Análisis avanzado de datos para optimización de rutas de transporte

Uno de los principales retos a los que se enfrenta cualquier empresa que gestiona transporte, es la optimización de sus rutas. Es necesario encontrar el equilibrio óptimo entre el servicio prestado a los clientes y los costes que genera llevarlo a cabo, o lo que es lo mimo, el objetivo principal es obtener la máxima rentabilidad posible en las transacciones de mercancías.

Para conseguir esa optimización de beneficios hay que partir de la búsqueda de la mejor combinación de medios y cargas, teniendo en cuenta todas las condiciones externas y restricciones que rodean dicho proceso. Esta tarea requiere de un alto conocimiento del sector, del mercado, de los medios, de las tipologías de cargas, de las necesidades de nuestros clientes, y un largo etcétera, puesto que cada pieza del puzzle condiciona el encaje de la siguiente.

El análisis de todas estas variables suele resultar un proceso tedioso para los gestores de tráfico, que muchas veces se apoyan en herramientas de optimización de mercado, con carencias de cara a aplicar las combinaciones de información adecuadas para sacar el máximo partido al servicio. Son muchas las variables y datos a tener en cuenta, por lo que las herramientas para optimizar las rutas de transporte exigen, como mínimo de:

• La integración con diversas fuentes de datos, para poder disponer de toda la información necesaria
• Capacidad de procesamiento de datos tanto en batch como en streaming, en un entorno cambiante y en constante movimiento como es el del transporte
• Visualizaciones potentes e intuitivas para el usuario
• Funcionalidades ágiles y amigables, para hacer un uso eficiente de las mismas

¿Cuáles son las fases para abordar un proyectos de optimización de rutas de transporte?

Las experiencias de LIS Solutions en el desarrollo de proyectos para la mejora de los procesos de transporte, nos ha permitido conocer la compleja casuística del sector, y establecer cinco fases para el tratamiento y análisis de los grandes volúmenes de datos que generan:

• Fase 1: es necesario llevar a cabo un análisis de la situación actual, para tener una visión completa del negocio, con todos los condicionantes y restricciones que puedan afectarle.
• Fase 2: estudios de los datos de los que dispone la empresa. En este punto hay que definir las variables a incluir y las fuentes de las que obtener la información.
• Fase 3: modelado de todos los datos, definición de la infraestructura y arquitectura necesarias para su desarrollo, y funcionalidades a cubrir en el proceso de automatización. En este punto se aporta la inteligencia artificial al modelo.
• Fase 4: desarrollo del entorno de visualización, ya sea en herramientas del cliente o mediante desarrollos integrales del equipo de LIS Solutions.
• Fase 5: implementación y validación de la solución en destino.

¿Qué implicaciones técnicas conlleva un proyecto de optimización de rutas?

Como vemos, la consecución del objetivo final, optimizar los canales de transporte, es un camino largo que requiere, necesariamente, de una alta especialización técnica para abordar el proyecto y los desarrollos definidos, y de un gran conocimiento del sector y del negocio de cara a vincular análisis y resultado. En este marco, existen aspectos especialmente complejos y sensibles que hay que definir con equipos multidisciplinares conjuntos cliente-LIS y que podemos resumir en:

• Análisis de todas las fuentes de datos internas: tablas, entidades, volúmenes de información, correlaciones, etc.
• Análisis de restricciones y condicionantes del negocio del cliente: clave para una buena optimización y planificación.
• Conocimiento de la normativa que afecta al transporte por carretera a nivel europeo, con el fin de poder tener en cuenta las restricciones y condicionantes ‘exógenos’.
• Estudio y análisis de fuentes de dato externas que se quieran incorporar, con la complejidad técnica que ello conlleva, especialmente en la integración y captación de dichos datos: tráfico, climatología, bolsas de carga, etc.
• Estudio, definición y desarrollo de los algoritmos que ofrezcan los resultados óptimos como apoyo al gestor de tráfico, teniendo en cuenta todos los puntos técnicos, de sector y negocio anteriormente comentados.
• Definición junto con el cliente de las visualizaciones o funcionalidades finales del proyecto, siempre que no se realicen sobre herramientas de cliente (herramientas BI, TMS, planificadores de mercado o propios, etc).

El cliente con todo ello consigue implantar un proyecto de optimización de sus rutas, lo que le permite como se mencionaba al principio reducir los costes operativos a la vez que aumenta el nivel de servicio del cliente.

¿Qué aportan la analítica avanzada y la inteligencia artificial?

Analizados los datos extraídos de la empresa, sector, entorno, clima socio-político, contingencias externas y demás variables predefinidas, las mejoras se pueden conseguir desde diferentes ópticas de la operativa del cliente, siendo tan variadas como servicios o verticales de transporte existen. En modelos donde el flujo está más estandarizado con recogidas, clasificación y reenvío desde plataformas a puntos de entrega final, el proceso de mejora se verá al inicio de la operativa, y podrá optimizarse periódicamente si se aplican técnicas de aprendizaje sobre la herramienta desarrollada, que le permitan ofrecer propuestas de mejora.

En modelos donde existe una programación diaria con ‘horarios de cierre’ para la recepción de pedidos, la planificación genérica se verá vitaminada y mejorada con todas las variables que se quieran incorporar al modelo. Se podría llegar incluso a automatizar el proceso, de modo que una vez llegada la hora, el sistema se lance automáticamente y los resultados se propongan a los gestores de tráfico para su supervisión, modificación y aceptación.

Por el contrario, si el modelo de planificación o asignación es continuo y aleatorio, el sistema debería de estar siempre atento a nuevas cargas, optimizando continuamente las asignaciones para lanzar propuestas concretas a cada carga recibida. En este caso gestor obtendrá propuestas en su panel que irá aceptando o reasignando a mejores opciones mejorando la rentabilidad y el servicio facilitado en las rutas. Este modelo requiere de un aprendizaje e inteligencia más complejo y dilatado en el tiempo que, además, ha de ser continuo, pero que nos ofrecerá grandes resultados en la mejora de costes.

Conclusiones

Es evidente que el proceso de optimización y planificación de rutas en una empresa que gestiona transporte es algo crítico y estratégico, de modo que los proyectos de mejora en éste ámbito también lo son y, por lo tanto, requieren de un alto grado de conocimiento técnico y de sector/negocio, que conseguimos con alianzas cliente-LIS Solutions.

Este exhaustivo análisis va a proporcionar una ingente cantidad de información a tratar, derivada del gran volumen de datos generados, importantísima en un entorno donde tanto cargas como medios están en movimiento. En el sector del transporte la trazabilidad es vital, y obliga a un tratamiento de datos en tiempo real, cálculo de tiempos estimados de llegada precisos o incluso cambios sobre la marcha de planificaciones anteriores. Aquí es donde el Big Data cobra sentido.

Además al dotar de inteligencia al sistema que da soporte a los gestores de tráfico, resulta crítico conocer las restricciones y condicionantes que aplican al algoritmo de decisión y al modelo de aprendizaje que se decida implantar.

Del mismo modo, la definición de la arquitectura e infraestructura es compleja y tiene que tener en cuenta la escalabilidad y flexibilidad requeridas a futuro. Del mismo modo, la capacidad de desarrollos integrales o sobre herramientas de cliente, hace que el aliado tecnológico con que se cuente para este tipo de proyectos sea también estratégico.