Detección de quick-wins operativos
por ventanas de tiempo en Logística

Planificación logística con restricciones por ventanas de tiempo

Uno de los aspectos fundamentales a tener en cuenta a la hora de realizar la planificación logística para uno o más vehículos es saber si es necesario entregar y/o recoger los pedidos dentro de una franja horaria en cada uno de los puntos de servicio. Estas franjas horarias se conocen como ventanas de tiempo y pueden ser distintas para cada punto de servicio, imponiendo restricciones complejas cuyo impacto en los costes logísticos es mayor a medida que esas ventanas son cada vez de menor tamaño y configuradas sin tener conocimiento global de la planificación logística que se desea realizar.

Por ejemplo, en la Fig. 1 se muestra un posible caso práctico en el que cada punto del mapa tiene asignada una determinada franja horaria que ha sido asignada según las preferencias de entrega/recogida de cada cliente.

Fig. 1: Ejemplo de asignación de ventanas de tiempo.

En la Fig. 1 se puede observar que puntos de servicio cercanos pueden o no tener ventanas de tiempo solapadas. Como consecuencia, para poder realizar la entrega/recogida de cada pedido dentro de su correspondiente ventana de tiempo, se hace necesario planificar rutas cuyo coste logístico sea superior en términos de distancia recorrida con respecto a una planificación logística realizada sin considerar estas restricciones temporales.

En OGA, a través de proyectos realizados para grandes clientes del sector logístico, hemos observado que un uso inadecuado de ventanas de tiempo puede suponer un incremento en costes logísticos superior al 30%. Es por eso que en OGA acompañamos a nuestros clientes en el estudio de la configuración de las ventanas de tiempo de sus puntos de servicio y en la detección de aquellos puntos de servicio que tienen un mayor impacto en sus costes.

Incompatibilidades por uso de ventanas de tiempo

Una de las consecuencias directas de utilizar ventanas de tiempo reside en que, ahora, aparece la posibilidad de no poder llegar a tiempo al punto de servicio B desde el punto de servicio A. Es decir, no se podrá llegar a tiempo a B desde A cuando:

tAini + tAs + tA-B > tBfin    Eq. 1

Donde se han considerado los siguientes parámetros temporales:

  • Tiempo de llegada al punto A (tA), con ventana de tiempo [tAini, tAfin], donde tAini ≤ tA ≤ tAfin para poder servir al punto A a tiempo. Si tA < tAini, habrá un tiempo de espera de tAini – tA hasta que el punto A esté listo para recibir el servicio.
  • Tiempo requerido para realizar el servicio en el punto A, tAs.
  • Tiempo necesario para llegar a B desde A, tA-B.
  • Tiempo de llegada al punto B (tB), con ventana de tiempo [tBini, tBfin], donde tBini ≤ tB ≤ tBfin para poder servir al punto B a tiempo. Si tB < tBini, habrá un tiempo de espera de tBini – tB hasta que el punto B esté listo para recibir el servicio.

Atendiendo a esta incompatibilidad por uso de ventanas de tiempo, se dice que dos puntos de servicio son incompatibles entre sí por ventanas de tiempo cuando:

  • No es posible llegar a tiempo a B desde A, aunque se llegue a A justo al inicio de su ventana de tiempo (i.e. incompatibilidad de A con B).
  • No es posible llegar a tiempo a A desde B, aunque se llegue a B justo al inicio de su ventana de tiempo (i.e. incompatibilidad de B con A).

Es decir, cuando:

tAini + tAs + tA-B > tBfin,   o bien  cuando   tBini + tBs + tB-A > tAfin     Eq. 2.

La detección de incompatibilidades por ventanas de tiempo es fundamental a la hora de realizar una planificación logística pues si dos puntos de servicio A y B son incompatibles entre sí por ventanas de tiempo, estos dos puntos de servicio no pueden ser servidos por el mismo vehículo.

Para determinar la calidad de una determinada configuración de ventanas de tiempo se puede hacer uso de representaciones visuales de datos. Una herramienta de visualización muy útil puede ser el histograma del número de incompatibilidades en función de la distancia entre puntos de servicio incompatibles. Un ejemplo de este histograma se muestra en la Fig. 2, donde se ha incluido la CDF (Cumulative Distribution Function) de los bins del propio histograma. De esta representación se puede obtener la siguiente información útil:

  • La curva del histograma indica cómo aumenta y/o disminuye el número de incompatibilidades con la distancia. Con esto, se puede deducir i) cuál es el número de incompatibilidades para la corta, media y larga distancia, ii) para qué distancia entre nodos incompatibles hay un número significativo de incompatibilidades y iii) si ya ha habido trabajo previo o no por parte de expertos en logística a la hora de configurar las ventanas de tiempo de los puntos de servicio. Concretamente, para el ejemplo de la Fig. 2 se puede observar lo siguiente:
    • El número de incompatibilidades no incrementa progresivamente con la distancia sino que sigue una aproximación en forma de curva cuyo máximo se sitúa entorno a los 145 km de distancia entre nodos incompatibles. Esto indica que existe trabajo previo en la configuración de las ventanas de tiempo entre puntos de servicio que distan más de 150 km.
    • Existe un conjunto atípico incompatibilidades entorno a los 255 km.
    • El 90% de las incompatibilidades se dan para una distancia menor o igual a 175 km.
Histograma del número de puntos de servicio incompatibles en función de la distancia
Fig 2: Histograma del número de puntos de servicio incompatibles en función de la distancia.

Otro tipo de información útil que se puede extraer es saber en qué grado se deben cambiar las ventanas de tiempo para reducir (o eliminar) las incompatibilidades por ventana de tiempo. Para esto, se calcula primero el cambio mínimo que es necesario aplicar en las ventanas de tiempo para convertir un par de puntos de servicio incompatibles en puntos de servicio compatibles. Una vez calculado lo anterior para todo par de puntos de servicio incompatibles, se genera el histograma de la Fig. 3 para determinar cuáles son los cambios de mayor frecuencia. Del histograma de la Fig. 3 se puede concluir que, en este ejemplo, el 90% de las incompatibilidades requieren de un cambio menor o igual a  65 minutos en las ventanas de tiempo.

Histograma de los cambios a realizar en las ventanas de tiempo para evitar las incompatibilidades
Fig 3: Histograma de los cambios a realizar en las ventanas de tiempo para evitar las incompatibilidades.

Detección de quick-wins operativos

Una vez detectada la presencia de incompatibilidades entre puntos de servicio por el uso de ventanas de tiempo y analizada la naturaleza de estas incompatibilidades, ¿cuál es la mejor estrategia para corregir las incompatibilidades por ventanas de tiempo? ¿Se debe modificar la ventana de tiempo de todo punto de servicio con una incompatibilidad o podemos modificar solo las ventanas de tiempo de un subconjunto de puntos de servicio?

Se puede llegar a la respuesta de estas preguntas de forma fácil si, por ejemplo, se representa el grafo de incompatibilidad de la Fig. 4. En este grafo, cada nodo es un punto de servicio que presenta una incompatibilidad por ventana de tiempo y está conectado con todos los puntos de servicio con los que es incompatible. Además, cada nodo se ha coloreado en función de su grado para poder observar cuáles son los nodos que concentran una mayor cantidad de incompatibilidades. En este ejemplo, se puede observar que existen nodos con una alta concentración de incompatibilidades (nodos rojos anaranjados o incluso verdes). Por tanto, cambiando solo las ventanas de tiempo de estos puntos de servicio se conseguiría reducir considerablemente el número de incompatibilidades con un número mínimo de cambios.

Detección de quick-wins operativos
Fig 4: Detección de quick-wins operativos.

Reducir el número de incompatibilidades tiene un beneficio claro, la reducción de costes logísticos. Esta reducción de costes dependerá de cada escenario en particular y de cómo se han aplicado las modificaciones en las ventanas de tiempo. Si su operativa logística se ve afectada por ventanas de tiempo, póngase en contacto con OGA, nuestro equipo de expertos estará encantado de analizar minuciosamente su caso y de proponerle mejoras para maximizar la eficiencia de su operativa.

Acerca del autor

Autor
Víctor Berrocal oga
Víctor Berrocal
Senior Optimization Consultant en oga