Trascendencia del transporte
La trascendencia económica del sector del transporte genera costos sociales y medioambientales de gran envergadura. Esta actividad supone aproximadamente un sexto del Producto Interno Bruto (PIB) de los países industrializados (ver Yepes, 2002). Un estudio del National Council of Physical Distribution (ver Ballou, 1991) estima que el transporte sumó un 15% del PIB de Estados Unidos en 1978, constituyendo más del 45% de todos los costos logísticos de las organizaciones. En España, según datos del Ministerio de Fomento (ver CTCICCP, 2001), la participación del sector en el valor añadido bruto del año 1997 se situó en un 4.6%. En cuanto al empleo, 613,400 personas se encontraban ocupadas en el año 1999 en el sector de transportes en España, lo cual representa el 3.69% de la población activa. La distribución física representa para las empresas entre la sexta y la cuarta parte de las ventas y entre uno y dos tercios del total de los costos logísticos (Ballou, 1991).
Además, una adecuada gestión de los problemas de distribución afecta directamente a la competitividad de las empresas. Así, el establecimiento de rutas y horarios para vehículos constituye un conjunto de problemas habituales que no se resuelven de manera óptima y acarrean una merma significativa en la cuenta de resultados de las empresas. Autores como Kotler (1991) afirman que pueden conseguirse ahorros sustanciales en el área de la distribución física, y la describen como “la última frontera para obtener economías en los costos” y “el continente oscuro de la economía”. Drucker (1962) describió las actividades logísticas que se llevaban a cabo tras la fabricación como las “áreas peor realizadas y a la vez más prometedoras dentro del mundo industrial”. Incluso el recorte de una pequeña fracción de los costos de distribución puede aflorar enormes ahorros económicos y una reducción de los impactos sociales y ambientales ocasionados por los accidentes, la polución y el ruido, además de incrementar significativamente la satisfacción de los clientes.
Todo ello se enmarca dentro de un escenario donde han crecido enormemente las expectativas de los clientes al igual que los productos que se encuentran en el mercado. Ello provoca que las empresas se enfrenten a retos más dinámicos que van desde aumentos en los niveles de servicio, a las rupturas de las fronteras o la entrada en el comercio electrónico. La globalización de los mercados ha provocado de hecho una aceleración del comercio. El transporte, que ya es una función vital, tendrá aún una posición más estratégica para las industrias en el futuro.
Los problemas de rutas son difícilmente optimizables en las situaciones reales por procedimientos de resolución exactos, debido al incremento exponencial del esfuerzo de cálculo necesario en relación con la dimensión del problema. En estas circunstancias, los métodos de resolución aproximados que emulan estrategias eficientes empleadas por la naturaleza y utilizadas en inteligencia artificial, pueden proporcionar soluciones satisfactorias en tiempos de cálculo razonables, constituyendo herramientas tecnológicas capaces de incrementar la competitividad de las empresas dedicadas al transporte.
Problemas de distribución física
Los problemas de distribución física consisten básicamente en asignar una ruta a cada vehículo de una flota para repartir o recoger mercancías. Los clientes se localizan en puntos o arcos y a su vez pueden presentar horarios de servicio determinados; el problema consiste en establecer secuencias de clientes y programar los horarios de los vehículos de manera óptima. Los problemas reales de transporte son extraordinariamente variados. Yepes (2002) propone una clasificación que contiene un mínimo de 8,8109 combinaciones posibles de modelos de distribución. Si alguien fuese capaz de describir en un segundo cada uno de ellos, tardaría cerca de 280 años en enunciarlos todos. La investigación científica se ha centrado, por tanto, en un grupo muy reducido de modelos teóricos que además tienden a simplificar excesivamente los problemas reales.
El problema más famoso y sencillo de plantear se conoce como el del viajante de comercio (“Traveling Salesman Problem”, TSP). Se debe visitar un conjunto de ciudades una sola vez y volver a la ciudad de partida, de modo que la distancia recorrida sea mínima. Es un problema intensivo en términos de cálculo, puesto que un procesador que calculara un billón de soluciones por segundo tardaría unos 50 minutos en enumerar todos los casos posibles con 20 nodos y casi cinco siglos con el de 25.
El problema de las rutas “Vehicle Routing Problem, VRP” presenta una demanda asociada a cada ciudad y una capacidad determinada de transporte para cada uno de los vehículos. Aquí, el objetivo puede ser reducir al mínimo posible la suma de la distancia recorrida por todas las rutas, el número de vehículos, o una combinación de ambos criterios. Es importante destacar el hecho de que tanto para los problemas TSP como para los VRP, la dirección en la cual se desarrolla el camino carece de importancia, cosa que no ocurre con los problemas de rutas de reparto con restricciones en los horarios de servicio “Vehicle Routing Problem with Time Windows, VRPTW”, donde cada cliente restringe la satisfacción de su demanda a un horario de reparto o recogida determinado (ventana de tiempo). En estos casos, la ventana de tiempo obliga a una espera si el vehículo llega antes de su apertura, e impide la realización del servicio si se llega fuera del plazo previsto.
Estos problemas son difíciles de resolver debido al crecimiento exponencial de soluciones en relación con el número de clientes. De hecho, sólo algunos problemas VRPTW de hasta 100 nodos han podido calcularse mediante métodos exactos. En estas circunstancias, es posible aplicar algoritmos de aproximación que proporcionen soluciones viables que sean razonables.
Sistemas Inteligentes
Las metaheurísticas son métodos generales, aplicables a amplios conjuntos de problemas, que normalmente emulan estrategias eficientes empleadas por la naturaleza y utilizados en la inteligencia artificial (evolución biológica, funcionamiento del cerebro, comportamiento de los insectos, mecánica estadística, etc.), y que sirven para guiar el funcionamiento de las heurísticas u otros procedimientos de optimización específicos. En el campo de la optimización combinatoria y los problemas de transporte se utiliza comúnmente el nombre de metaheurística, mientras que en otros campos se conocen a estos métodos como sistemas inteligentes (Goonatilake et al., 1995). Las redes neuronales, la lógica borrosa, los algoritmos evolutivos, la búsqueda tabú o la cristalización simulada son algunas técnicas que han probado su eficacia en la explotación de datos, en el descubrimiento de conocimiento y en la solución de problemas combinatorios en diferentes campos técnicos y científicos.
Modelo Económico Rutas de Transporte
La investigación científica ha dedicado en las últimas décadas un gran esfuerzo orientado al desarrollo de técnicas que permitieran resolver modelos teóricos de transporte. Sin embargo, Yepes y Medina (2000) comprueban que la maximización de la rentabilidad de las operaciones reales de distribución debe contemplar funciones objetivo económicas basadas en los ingresos y los costos. Este mismo principio debe exigirse a los algoritmos empleados en su resolución. El éxito de una metaheurística especializada en un modelo teórico concreto, no garantiza su adecuación ante escenarios reales complejos propios de las empresas de transporte.
En la distribución real de mercancías, es habitual el empleo de flotas heterogéneas de vehículos, con características propias en costos, capacidad de carga, velocidad y jornadas de trabajo limitadas, con posibilidad de horas extraordinarias. Asimismo, la duración de los viajes depende del nivel de congestión y problemas de acceso a los clientes. Además, los vehículos pueden comenzar nuevas rutas si lo permite su jornada laboral, siendo esta la situación habitual cuando las demandas de cada cliente son importantes respecto a la capacidad de transporte del vehículo, o bien cuando se emplea poco tiempo en recorrer las distancias hacia los diversos nodos. También es razonable acordar con los clientes bonificaciones si se rompen los horarios (rotura de servicio).
Para definir un esquema que cumpla las características anteriores aproximadas al problema real de distribución, se define un problema de rutas con flotas heterogéneas y múltiples usos con restricciones horarias blandas de servicio “Vehicle routing problem with a heterogeneous fleet of vehicles with soft time windows and with multiple use of vehicles, VRPHEMSTW”.
Consecuencias de interés para las empresas
Algunas conclusiones de interés práctico que se han comprobado al emplear los sistemas inteligentes en la resolución de problemas que, lejos de ser teóricos, se acercan a la realidad cotidiana de las empresas de distribución son las siguientes (Yepes, 2002):
Los problemas reales de rutas no se modelan bien con funciones objetivo teóricas habituales. En efecto, posibles variaciones en los costos o en las tarifas provocan que soluciones buenas a problemas teóricos resulten muy malas para los problemas reales. Como empresario debe exigir que el software que emplee maximice el beneficio, y no sólo minimice los costos. Una empresa que quiera maximizar sus beneficios en la distribución puede generar grandes costos de oportunidad involuntarios si adopta algoritmos especializados en resolver problemas teóricos. En general, estos procedimientos no son óptimos ante escenarios reales. Mucho software es teórico y no adaptado a su empresa.
Los modelos que utilizan funciones objetivo basadas en los costos globales y los ingresos, simulan mejor las operaciones de distribución. Cada cliente puede requerir una política de precios diferenciada. Exija a su software la posibilidad de segmentar a sus clientes con tarifas específicas. Una ligera flexibilización en los horarios de servicio permite, aún cuando exista cierta penalización económica por la transgresión de las ventanas de tiempo, una mejora en la calidad de las soluciones obtenidas. Negocie con sus clientes bonificaciones por incumplimientos de los horarios de entrega, al final, ello le puede llevar a mayores beneficios. Un elevado costo fijo por disposición de los vehículos conlleva que la solución de mayor beneficio sea aquella que autorice el comienzo de nuevas rutas por parte de un mismo vehículo, siempre que lo permita su jornada laboral. Desconfíe del software que no le permita discriminar situaciones como el alquiler o la compra de vehículos. La planificación de las rutas puede cambiar y su empresa perder beneficios. En una operación de distribución de mercancías, el uso múltiple o sencillo de los vehículos, dentro de su jornada de trabajo, es una decisión que depende de la estructura de costos de cada problema concreto. Esta posibilidad no se contempla por el software habitual y le puede hacer perder dinero.
En esta apretada síntesis, la empresa dedicada a la distribución de personas o mercancías tiene a su disposición nuevos conceptos para la resolución de sus complejos problemas de transporte. El reto consiste en elegir entre el vasto universo de técnicas posibles, aquella que sea capaz de aportar una solución de calidad dentro de un tiempo de cálculo razonable, teniendo presente que un problema de transporte determinado presenta múltiples escenarios posibles, y manejando un modelo económico adecuado a las variables y restricciones reales.
Referencias
Ballou, R. H. (1991). Logística empresarial. Control y planificación. Ed. Díaz de Santos, Madrid.
Comisión de Transportes del Colegio de Ingenieros de caminos, canales y puertos (2001).
Libro verde del transporte en España. Disponible en internet.
Drucker, P. (1962). The economy’s dark continent. Fortune, april, 265-270.
Goonatilake, S.; Treleaven, P. (Eds) (1995). Intelligent systems for finance and business. John Wiley & Sons, Chichester, England.
Kotler, P. (1991). Marketing management. Analysis, planning, implementation, and control. Prentice Hall International. United Kingdom.
Yepes, V. (2002). Optimización heurística económica aplicada a las redes de transporte del tipo Vrptw. Tesis Doctoral. Escuela Técnica Superior de Ingenieros de caminos, canales y puertos, Universidad Politécnica de Valencia.
Yepes, V.; Medina, J.R. (2000). Optimización del problema generalizado de las rutas con restricciones temporales y de capacidad (Cvrpstw), en Colomer, J.V. y García, A. (Eds.): Actas del IV Congreso de Ingeniería del Transporte. Vol. 2, pp. 705-710. Valencia.