Cómo hacer que el tiempo estimado de arribo sea preciso para tu negocio

El tiempo estimado de arribo en la última milla se ha convertido en estos tiempos en garantía de un buen servicio y del buen funcionamiento de la cadena de suministro.

El tiempo estimado de arribo (ETA, por sus siglas en inglés) depende de diversos factores como tamaños y tipos de carga, lo que suele convertirse en un dolor de cabeza si no existe la planeación adecuada.

Si bien, no existe un método de prueba completo para el tiempo estimado de arribo perfecta para negocios bajo demanda hay una fórmula que puede acercar a las empresas a una predicción altamente precisa: ETA = comportamiento humano + operaciones de última milla + matices comerciales + tiempo de viaje.

Así lo aseguró Anna Borbotko, Product Marketing Manager de TomTom, en el webinar Last Mile Strategies to Solve the ETA Conundrum.

Estuvo acompañada de Muhammad Ghous Afzal, Head of Transportation & Distribution de Oda; Larry Klein, VP de Logística de Bringg, y Shailu Satish, Co Fundadora de Dispatch Track.

Diferentes variables influyen en el tiempo estimado de arribo

Klein destacó que no es sencillo calcular el tiempo estimado de arribo, dato que debe tomar en cuenta diferentes variables como la rapidez de los conductores, quiénes necesitan más tiempo en un sitio dependiendo del producto a entregar y las instrucciones que se les entregan por parada.

“Nuestra perspectiva es tener en cuenta la mayor cantidad de imprevistos como sea posible y utilizar la tecnología para aprender dónde estamos cayendo en suposiciones y la gravedad de las mismas. Desde luego, no basta con saberlo, hay que hacer ajustes en consecuencia”, resaltó.

Por su parte, Satish dijo que calcular el ETA es complejo porque la vida real es dinámica y el trabajo de los repartidores es más difícil de lo que parece.

“A las variables que mencionó Larry agregaría el tipo de servicio y la ubicación. Por su puesto, el nivel de habilidad del conductor es importante. Nosotros usamos algoritmos de aprendizaje impulsados por inteligencia artificial”, explicó.

Por si te lo perdiste:
¿Cómo ayudan la inteligencia artificial y la big data al sector logístico mexicano?

De ese modo, comentó, crean una base de datos que auxilia a los repartidores cada vez que deben volver a la misma zona.

“Es un controlador dinámico que realiza ajustes todo el tiempo, trabaja con base en patrones. Pero eso es sólo una parte del trabajo, la otra involucra a los transportistas, quienes están cada vez más en contacto con el cliente”, añadió.

La importancia de no enfrentar al hombre contra la máquina

En tanto, Ghous Afzal detalló que también trabajan con algoritmos de aprendizaje automático pero lo que arrojen las matemáticas no sirve de mucho si los repartidores no saben interpretarlo o aportan con sus conocimientos.

“A muchas compañías de software les falta recuperar el toque humano. El aprendizaje que les dan a los choferes las horas en carretera y en las calles es una ventaja competitiva. Hemos olvidado que la discusión no es el hombre contra la máquina, sino el trabajo conjunto de ambos. El objetivo de implementar cualquier herramienta tecnológica es iluminar a los controladores”, sentenció.

Datos para optimizar los enrutamientos

Los tres coincidieron en que lo único que no se puede dejar de hacer actualmente para mejorar los ETAs es rastrear datos.

Señalaron que para ser más puntuales con los tiempos estimados de arribo se debe trabajar mucho en los enrutamientos y la optimización.

También lee:
¿Realmente necesitas un sistema para planeación de rutas de entrega?

Con las nuevas tecnologías, el conductor selecciona su propia opción de navegación y ésta se va midiendo para hacer comparaciones entre lo planeado y la ruta elegida por el conductor ante los imprevistos que se vayan generando.

De esa manera, las herramientas tecnológicas pueden entender y determinar cuáles son las mejores opciones para trazar rutas más eficientes.

THE LOGISTICS WORLD