Modelos de optimización del transporte: qué son y para qué sirven

Los modelos de TO son gemelos digitales del transporte modelados y resueltos mediante algoritmos matemáticos complejos cuyo alcance debe estar definido en función del tipo de respuestas y problemáticas que busca resolver. Los tipos más comunes son Hub Optimization y Fleet Sizing.

El modelo de Hub Optimization tiene que ver con el proceso de diseñar, gestionar y optimizar la ubicación, operación y funcionalidad de hubs (centros de distribución, transferencia o consolidación) dentro la red logística o de transporte. Los hubs actúan como puntos estratégicos donde las mercancías, datos o personas se agrupan y se redirigen hacia sus destinos finales. La optimización de hubs es esencial para maximizar la eficiencia, reducir costos y mejorar la calidad del servicio.

Estos modelos contestan preguntas como: 

• • ¿Se pueden consolidar envíos a través de los hubs?
  • ¿Cuáles son los trade-offs si la carga se trasfiere a un hub para aprovechar la consolidación de carga hacia la región?
  • ¿Cómo mejorarán o harán decaer los hubs el servicio al cliente?
  • La utilización de hubs ¿tiene sentido para minimizar costo y kilómetros recorridos?
  • ¿Qué tipo de unidad es la ideal para cada origen/ destino?

El modelo Fleet Sizing tiene que ver con el proceso de determinar la cantidad y tipo óptimo de vehículos necesarios para satisfacer las demandas de transporte de una empresa o sistemas logísticos de manera  eficiente y rentable. Algunos de los objetivos son minimizar los costos operativos, maximizar la utilización de los activos, cumplir con la demanda y optimizar el servicio al cliente. Los factores a considerar son: demanda de transporte, características de los vehículos, restricciones operativas, condiciones geográficas y logísticas, estrategias de gestión, etc.

Los problemas más comunes que busca resolver son: la subutilización de flota, la sobrecarga de vehículo y las ineficiencias operativas, así como los costos excesivos en mantenimiento o combustible por un diseño de flota ineficiente.

A diferencia de la optimización de la red, cuyo objetivo es estratégico, el horizonte de planeación de los modelos TO es táctico/operativo, por lo cual la cantidad de información debe acotarse a una temporalidad menor.

La sustentabilidad ha tomado tal relevancia en la actualidad, que ha influido en los modelos de TO para buscar disminuir los impactos medioambientales del transporte. La cantidad de emisiones de dióxido carbono equivalente (CO_2eq) en el modelo de transporte se calcula a partir de un factor de consumo del combustible, el cual está en función del tipo de unidad de transporte, el peso vehicular, el peso del producto y la distancia recorrida. La reducción de emisiones usualmente se ve impulsada por un cambio en la composición de la flota hacia unidades mejor utilizadas y menores distancias recorridas.

Los modelos de TO toman como referencia datos de entrada reales e históricos de la red de transporte, a partir de los cuales se construye un escenario Baseline que busca reflejar la dinámica de transporte actual en términos de costos, capacidades, ventanas de embarque y entrega, tiempos operativos y ruteos, de forma que permite medir y comparar, contra diversos escenarios y alternativas, los indicadores clave de la operación. Además de una base de referencia, el escenario Baseline provee un diagnóstico de la situación actual y abre camino a las alternativas de solución a evaluar.

Las alternativas o escenarios simulados implican una serie de preguntas de tipo “what if?” sobre aquellas áreas de oportunidad o problemáticas previamente identificadas, en las cuales existe un potencial de ahorro y mejora en las condiciones operativas del transporte. Estas alternativas se construyen sobre el escenario base, modificando las variables o restricciones que potencialmente podrían cambiar en la red de transporte.

Después de una serie de comparaciones y análisis cuantitativos y cualitativos de las alternativas de solución, se define una recomendación o solución final que se apegue más a las necesidades del negocio y posteriormente se elabora un plan de acción a implementar.

Miebach ha realizado estudios de optimización de transporte en industrias como la farmacéutica o el Retail. Se trata de dos industrias bastante diferentes, pero con múltiples retos en común.

A continuación se comparan dos estudios cuyo objetivo común fue determinar la configuración óptima de flota que atienda tanto las necesidades actuales como las futuras, considerando los cambios previstos en un horizonte de cuatro años. 

• Las alternativas de consolidación y capacidad del transporte en ambas empresas se evaluaron en función del perfil de orden por cliente o tienda y las ventanas prioritarias de entrega establecidas.

• La optimización en ambos casos determinó el tipo y tamaño óptimo de flota para distribuir a lo largo de la red y permitió atender la misma demanda con una menor cantidad de vehículos, lo que incrementó la productividad por unidad de transporte, respetando tiempos operativos y ventanas de atención de los clientes.

• Adicionalmente, la recomposición de flota mejoró el truckfill a lo largo de la distribución primaria y secundaria, con los tipos de unidad más adecuados en capacidad y eficientes en costo.

• Ambas mejoras implicaron menores costos operativos, incluyendo mantenimiento, combustible y diversos costos fijos.

• Por último, este ajuste contribuye a la sostenibilidad al reducir las emisiones y minimizar el impacto ambiental de las operaciones logísticas.

Un análisis de optimización de transporte exitoso resulta en beneficios operativos, económicos y ambientales, al tiempo que prepara a la organización para enfrentar los desafíos futuros del sector logístico con mayor resiliencia y eficiencia.