Análisis de las herramientas para la distribución

Se estima que en las ciudades europeas el transporte de carga urbana contribuye al 25% de las emisiones de CO2 y al 50% de las emisiones de otros contaminantes atmosféricos. Además, los vehículos de transporte de carga, aunque son sólo una pequeña proporción del total de vehículos circulantes, generan la mayoría de los accidentes y afectan significativamente la congestión vehicular y el ruido. Para reducir estos efectos, varias asociaciones logísticas europeas están planteando proyectos para incrementar la eficiencia del transporte de carga urbano. (ALICE project, 2015).

A pesar de que el flujo de bienes es sólo una pequeña parte de la red logística total, el costo del transporte alcanza el 28% de los costos totales (Muñoz-Villamizar et al. 2015). Este costo varía con el sector económico. Por ejemplo, los costos totales asociados a la distribución de bienes de consumo masivo (bebidas y alimentos) representan hasta el 70% del costo total (De Backer et al. 1997; Golden y Wasil, 1987). A pesar de la magnitud de estas cifras, la distribución de mercancías es un tópico poco estudiado, sobre todo en mercados emergentes como México.

Estos mercados emergentes registran un crecimiento en la urbanización e ingreso per cápita y también una alta diversidad en los perfiles de consumo, la cual va en aumento por la penetración tecnológica del ecommerce. Un 45% de las compras de la sociedad mexicana se realiza en el canal tradicional (Nielsen, 2015); es decir, pequeñas tiendas de esquina dispersas geográficamente lo que vuelve más compleja la distribución (Mejía-Argueta et al. 2017). Ante estas tendencias, la necesidad de entregas más frecuentes, de menor volumen y justo a tiempo está creciendo. 

Además de la fragmentación del comercio, México enfrenta un bajo factor de carga de los vehículos, lo que ocasiona mayor congestión, una infraestructura saturada y pone en evidencia una política pública de transporte limitada (Kin et al. 2017).

El desarrollo y aplicación de herramientas computacionales que faciliten la distribución eficiente de mercancías, son relevantes para los sectores público y privado debido a su repercusión económica, social y ambiental. Por ejemplo, un programa o software de ruteo ayuda a planear las entregas de bienes o servicios desde una o varias instalaciones a un conjunto de clientes ubicados en una determinada zona geográfica, tomando en consideración las condiciones y restricciones impuestas por los clientes o por el distribuidor. 

Un modelo de ruteo y su consecuente programación construye las rutas completas que debe seguir cada vehículo tomando en cuenta los horarios de atención definidos por los clientes según el perfil de consumo, las actividades de carga y descarga, los lugares que hay para estacionarse (lo cual afecta el tiempo efectivo de entrega y la productividad durante la jornada laboral), y otros factores relacionados con la configuración del sistema de entrega diseñado por la empresa, tales como capacidad de los vehículos, localización de instalaciones, uso de ubicaciones de paso (cross-docking), etc.

Tradicionalmente, los componentes de un programa de ruteo (Bräysy y Hasle, 2014) son: 

• Interface para captura de datos. 

• Base de datos.

• Módulo con sistemas de información geográfica (SIG) para localizar clientes, almacenes y plataformas de cross-docking, calcular distancias, costos y tiempos de viaje.

• Módulo de optimización para realizar el ruteo. 

• Interface para visualizar las soluciones en un mapa digital.

• Módulo de planeación (manual o interactiva) para evaluar el impacto en costos y nivel de servicio bajo diversos cambios. 

• Opcional: módulo para rastreo e intercambio de información entre los vehículos y las oficinas donde se realiza el despacho. 

En una encuesta, Hall y Partyka (2016) reportan una lista de 22 empresas desarrolladoras de programas de ruteo. Entre las tendencias más comunes reportadas está ofrecer sus productos en la nube (cloud-based solutions) como software-as-a-service (SaaS), primordialmente a través del sistema operativo Window. Esto genera ahorros significativos para los usuarios, quienes no requieren equipos de cómputo sofisticados para ejecutar los programas, ya que éstos se están poniendo al alcance de aplicaciones celulares e interfaces como las de UberFreight, Convoy, Amazon o Go-Jek a través de Go-Box y Go-Send en mercados emergentes.

Además de mejorar la eficiencia de la distribución bajo una alta fragmentación de pedidos, estas herramientas permiten anticipar la creciente demanda del comercio electrónico, que exige entregas con atributos similares a los de paquetería o incluso con características más novedosas como las de la reciente auto-programación en ruta utilizada por Amazon, para la cual el cliente define la prioridad de su pedido que la empresa vendedora debe cumplir (un par de horas, día siguiente, etc.). 

Otra tendencia es ofrecer soluciones full end-to-end, donde se provee retroalimentación sobre las actividades realizadas para mejorar el desempeño de ruteos futuros basados en la información histórica de ruteos realizados cotidianamente.

Vale la pena mencionar que el problema clásico de distribución de bienes ha sido estudiado por la comunidad académica principalmente a través del problema de ruteo de vehículo (vehicle routing problema, VRP). Existen muchas variantes para este problema, las cuales han sido analizadas en México por el Instituto Mexicano del Transporte (IMT), (Bustos y Jiménez, 2014). Sin embargo, el tema sigue representando un área de oportunidad para el desarrollo de herramientas computacionales. 

El software comercial de ruteo considera elementos genéricos como manejo de capacidad de múltiples vehículos, atención de la demanda de diferentes clientes, conexiones geográficas, topología regional y de la red de distribución, limitaciones de tiempos (por ejemplo jornadas laborales, ventanas de tiempo, tiempo máximo de manejo por conductor), sincronización, secuenciación de actividades (a través del manejo de tiempos de inicio, fin para clientes de las rutas y del sistema) e incluso elementos de priorización mediante esquemas de servicio diversos.

La flexibilidad de opciones de los sistemas comerciales para realizar ruteo es notable. Por ejemplo se pueden manejar diferentes medidas de desempeño en la construcción de rutas que van desde el número de vehículos, los costos, la distancia o el tiempo recorridos, hasta la reducción de emisiones de gases de efecto invernadero, aunque incluyendo un criterio a la vez. 

La flexibilidad del software tiene amplios beneficios: ha generado ahorros de al menos 5% en los costos totales (Hasle and Kloster, 2007); reducido las emisiones en hasta 60% (Sanchez et al. 2016); mejorado la utilización de las flotillas hasta en 15%; y reducido el número de vehículos y kilómetros recorridos durante la distribución en al menos un 3% (Velázquez-Martínez et al. 2016). A estos beneficios cuantitativos se agregan mejoras en la calidad de vida de las personas, la seguridad vial y los hábitos de manejo. 

Actualmente, los fabricantes de software de ruteo pueden resolver problemas que contienen entre 100 y mil clientes con el uso de algoritmos heurísticos avanzados. Sin embargo, los profesionales de la distribución todavía encuentran dificultades para entender esos algoritmos y hacer operativas las soluciones. Por ello es vital desarrollar una plataforma homogénea de conocimiento para practicantes, académicos y desarrolladores, a fin de generar un lenguaje común que permita utilizar efectivamente las soluciones sugeridas por el software. 

También resulta relevante la tropicalización del software comercial a contextos específicos a nivel país, región y ciudad, así como definir la matriz de tiempos de recorrido para cada tipo de vehículo, hábitos de manejo en una zona y período del día. Sin embargo, esta particularización del software es difícil ante la falta de inclusión de información en tiempo real (congestionamiento) y de las regulaciones gubernamentales emergentes, consideración de las limitaciones de la infraestructura disponible, así como la desconexión del software de ruteo con otros sistemas internos de la empresa (por ejemplo ERP y CRP).

Las características específicas de ciudades con alta densidad poblacional, baja accesibilidad o con un gran número de microempresas geográficamente dispersas como la Ciudad de México implican definir la mejor estrategia de distribución; no siendo necesario utilizar algoritmos de ruteo muy precisos para encontrar una solución eficiente para empresas que mueven con alta frecuencia, volúmenes bajos de bienes muy diversos dentro de zonas metropolitanas (Daganzo, 2005). 

Winkenbach et al. (2016) demuestran que para la optimización de rutas en el servicio postal francés La Poste, la topología, densidad, modos de transporte disponibles y el diseño tienen un impacto crucial en el diseño óptimo de estrategias de distribución. Es por esto que los programas actuales utilizan tanto algoritmos clásicos y simples como avanzados para el ruteo.

Incluir en la distribución a otros vehículos terrestres (bicicletas, motocicletas y entregas a pie) representa otra área de oportunidad para la distribución de los productos de muchas empresas (de consumo masivo) que requieren realizar la distribución de última milla con beneficios potenciales en disminución de tiempos, aumento de productividad de las rutas, etc. (Merchan et al. 2015). Otra oportunidad es la incorporación de varios stakeholders en la decisión de ruteo a fin de mejorar la coordinación de esfuerzos, favorecer esquemas de colaboración horizontal y plantear políticas públicas basadas en información (Anand et al. 2016).  

Desde una perspectiva más académica, el desarrollo de software para la distribución en mercados emergentes está en generar algoritmos de solución novedosos como los de predicción, machine learning, híbridos (por ejemplo heurísticos, simulación, exactos, agentes), de aproximación (Daganzo, 2005). 

Otra oportunidad yace en codificar variantes del VRP hasta ahora poco explotadas en software comercial como son: el VRP multicriterio (maximización simultánea de varias métricas de desempeño como nivel de servicio y reducción en emisiones de gases de efecto invernadero); VRP dinámico (decisiones en tiempo real, ajustes de rutas ante cambios inesperados o solicitados por el cliente); VRP estocástico (recreación de escenarios de cambio topológico, cambio en tiempos) (Bustos y Jiménez, 2014); o incluso el problema de localización y ruteo (LRP) con múltiples niveles (Merchan et al. 2015; Winkenbach et al. 2016). 

La investigación sobre nuevas formas de solución contribuiría a incrementar el número de clientes que se pueden incluir en el plan de distribución y la calidad de las soluciones. 

Finalmente, los desarrolladores de sistemas de ruteo también buscan ofrecer soluciones en tiempo real y software de acceso libre a través de plataformas como Linux con propuestas como OptaPlanner. Para ello, la flexibilidad de las herramientas computacionales debe alcanzar aplicaciones móviles y desarrollar modelos de negocio innovadores derivados de las características propias de cada región, industria y entidad. 

La vinculación con los usuarios finales y los expertos en modelación matemática se vuelve crucial para aumentar la escalabilidad y funcionalidad del software comercial en entornos dinámicos, competitivos y con gran crecimiento como el mercado mexicano.