OGA

Operaciones logísticas:
¿Están realmente optimizadas?

¿Quién nos garantiza que la planificación que proponemos para nuestra flota no es mejorable?

Supongamos que tenemos que visitar 10 puntos (clientes, almacenes, bares, depósitos…) partiendo desde nuestro almacén central (los 11 puntos rojos de la primera imagen):

¿Cuál es el orden óptimo para visitarlos de tal forma que recorramos el menor número de kilómetros posibles?

Ruta Operaciones logísticas

Este es un problema clásico en Investigación Operativa, el TSP (Travelling Salesman Problem) para un vehículo; o el VRP (Vehicle Routing Problem) para más de un vehículo.

La primera pregunta que nos hacemos (o que nos deberíamos de hacer) es ¿cuántas rutas posibles existen?… En efecto, muchas (en la imagen mostramos 3 ejemplos). Pero seamos más precisos, lo mismo nos sorprendemos:

  • Si el problema solo tuviese 2 nodos y un solo vehículo habría 2! rutas (factorial de 2 = 2 x 1), esto es, 2 posibles rutas (de A a B, o de B a A).
  • Si el problema tuviese 3 nodos, subimos al factorial de 3, 3! = 3 x 2 x 1 = 6 posibles planificaciones.
  • Pero, si incrementamos a los 11 nodos de nuestra imagen, nos vamos a la espeluznante cifra de 11! = 39.916.800 posibles planificaciones. En efecto, casi 40 millones de posibles soluciones.


Y lo peor no es esto, sino que la mayoría de nuestros problemas logísticos suelen contener más puntos de recogida (o entrega) de mercancías y seguro que más de un vehículo. Tan solo por poner un ejemplo más, un problema con 50 nodos y 10 vehículos tiene 50! × 9! = 1,10 × 1070 soluciones.

Planificación de la flota

¿Quién nos garantiza que la planificación que proponemos para nuestra flota no es mejorable?

En la siguiente imagen mostramos de un modo muy gráfico la capacidad de mejora en los KPIs asociados a las planificaciones diarias de nuestra flota cuando planificamos nuestra operativa con una solución como MathIT.Logistics.

Si pudiésemos ordenar de peor a mejor esos millones de planificaciones posibles tendríamos, por un lado, la peor (el punto rojo) y la óptima (punto azul).

 

KPIs MathIT.Logistics

Según nuestra experiencia, las planificaciones que un humano-experto suele realizar (punto naranja), están siempre lejos de la optimalidad, incluso dedicándole muchas horas a esta dura -y de efímero valor- tarea.

Pues bien, con MathIT.Logistics podemos mejorar notablemente, en segundos o minutos, al humano-experto usando algoritmos muy potentes y científicamente probados en todo tipo de problemas VRP.

 

Y, ¿qué es mejorar?

Nos referimos a la rentabilidad de la operación, a los costes totales, al número de vehículos requeridos, a los kilómetros empleados, a los niveles de servicio de la operativa, dependiendo siempre de los requisitos u objetivos más importantes para cada cliente y cada escenario.

 

Y, ¿cuánto se puede mejorar al humano-experto?

Lógicamente depende de la complejidad del problema y del escenario concreto, restricciones fijadas o condiciones de entorno operativo, pero se puede llegar a mejorar entre un 10 % y un 20 % en esos indicadores, además de muchos otros beneficios adicionales que, para no hacer demasiado extenso este post, dejaremos pendiente para una siguiente publicación.

¡Haz tus cuentas y cuéntanoslo

Acerca del autor

Autor
Alfredo García Grupo CÁTEDRA oga
Alfredo García
Senior Optimization Consultant en OGA

Catedrático en la Universidad Pablo de Olavide (UPO) y Doctor en Matemáticas por la Universidad de Sevilla. Senior Optimization Consultant​ en oga.

Apasionado de la Matemática, como ciencia fundamental, pero sobre todo de la Matemática Aplicada. Lo que más le motiva es la resolución de problemas reales y es por ello que, tras más de 20 años de experiencia, ha trabajado en Matemáticas Puras, Investigación Operativa, Optimización Multiobjetivo, Computación Evolutiva y finalmente en Machine Learning y Business Analytics.