Si hablamos de logística internacional, España se encuentra en una posición privilegiada en el sur de Europa. A lo largo de nuestro territorio nacional confluyen las principales rutas de tráfico y mercancías. Por ejemplo, dos infraestructuras de vital importancia son el Corredor Mediterráneo y el Corredor Atlántico que forman parte de la red de transporte de la Unión Europea. Los corredores facilitan el flujo de mercancías entre España y sus socios comerciales europeos. Esto incluye dos aspectos clave: la interconexión del transporte por carretera, que conecta los puertos y aeropuertos a través de autopistas y ferrocarriles y, en segundo lugar, el puente físico entre los países a lo largo de la frontera. Así, estos dos corredores sirven como una zona de transferencia de carga que conecta a Europa con los puertos de África, Oriente Medio y Asia. Además, también proporcionan facilidades para la gestión logística: almacenes, centros de distribución y servicios de manipulación de carga.
España ocupa el puesto nº 18 en el mundo en cuanto a desempeño logístico según el Logistics Performance Index creado por el Banco Mundial. Nuestro país favorece el acceso al mercado global a más de 500 consumidores europeos. Sin embargo, se enfrenta a grandes retos en la logística de última milla.
Según datos del Observatorio de Transporte y Logística en España (OTLE) en 2021 se distribuyeron 1.541.099 toneladas de mercancías por carretera. Ningún otro tipo de transporte (ferroviario, aéreo o marítimo) puede recorrer la última milla (el tramo final hasta llegar a la puerta del cliente).
El auge del comercio electrónico (con una tasa de crecimiento anual en torno al 24%) y la incorporación de nuevos retailers internacionales al mercado español, pone a los operadores logísticos que se dedican al transporte y entrega de mercancías frente a un desafío de difícil solución: VRPTW (Vehicle Route Problem with Time Windows). Te hablaremos de la naturaleza de este problema y de cómo los algoritmos genéticos y la IA pueden colaborar en su resolución.
¿Qué es exactamente el problema VRPTW?
El VRPTW es un problema de optimización en las rutas de transporte urbano que abarca cuestiones tan diversas como el orden de las entregas, el número de camiones necesarios o los requisitos de capacidad y horario. Esto se plantea como un ejemplo típico de problema Np-Hard en el que se trata de encontrar la mejor solución entre miles de opciones posibles.
La primera referencia apareció en 1959 en un artículo de George Dantzig y John Ramser en el que plantea una solución algorítmica a un problema relacionado con la entrega de gasolina.
Para entender mejor el problema VRPTW, es importante echar un vistazo a algunos de sus componentes fundamentales. El primero es el conjunto de clientes, que son los destinos a los que se envía la entrega. Cada entrega tiene una ventana de tiempo, es decir, un periodo durante el cual debe producirse la llegada del paquete a su destinatario. Esto significa que para optimizar las rutas de reparto los camiones tendrían que visitar las ubicaciones dentro de los tiempos asignados.
El otro componente principal es el conjunto de vehículos que se utilizan para transportar los paquetes hasta su destino. Una vez más, el número de camiones debe corresponder al número de entregas a realizar en un momento dado.
Por último, los vehículos también tendrán que cumplir con los límites de capacidad establecidos o, lo que es lo mismo, no se pueden sobrecargar.
¿Por qué es importante buscar una solución eficaz al problema VRPTW?
Los costes derivados de la logística de última milla pueden suponer entre el 13% y el 75% del proceso logístico. De ahí que las empresas busquen soluciones eficaces para optimizar al máximo la entrega final de los pedidos.
El VRPTW estudia soluciones a problemas tan comunes como disminuir el costo total de los transportes por carretera, mejorar los tiempos de entrega y determinar el número de vehículos que se necesitan para brindar un buen servicio.
Un reparto exitoso se traduce en un cliente feliz y dispuesto a confiar en esa empresa para futuras compras.
En definitiva, buscar una solución al problema VRPTW es importante para evitar pérdidas económicas o un daño reputacional debido a los retrasos en la entrega de mercancías.
¿Cómo ayudan los algoritmos genéticos y la IA a resolver el desafío?
VRPTW es un problema de optimización que no tiene una única respuesta. Dicho de otra manera, no buscamos “la respuesta” sino “la mejor respuesta”. Por lo tanto, los algoritmos heurísticos y los algoritmos genéticos se utilizan para buscar soluciones aproximadas.
Los algoritmos heurísticos se basan en la búsqueda local para encontrar soluciones óptimas. Básicamente, plantean una solución inicial y luego aplican reglas de búsqueda local para mejorar la solución gradualmente. Esto reduce los tiempos de cómputo en comparación con los algoritmos exactos, pero el éxito de los algoritmos heurísticos depende en gran medida de la solución inicial y puede no resultar en una solución óptima global.
Los algoritmos genéticos son un tipo de algoritmo de optimización basado en los principios de la biología evolutiva, como la selección natural y la mutación. Estos algoritmos simbolizan los cromosomas mediante cadenas de genes que representan los parámetros del problema a optimizar, y aplican operadores de cruce y mutación para mejorar las soluciones correspondientes.
El algoritmo genético busca la mejor solución al problema VRPTW generando una población de “soluciones candidatas”; luego evalúa estas soluciones aplicando diferentes operadores de mutación y cruce introduciendo la variabilidad necesaria hasta encontrar una solución óptima.
Por ejemplo, en un primer momento el algoritmo genético crearía una combinación inicial de rutas para cada vehículo, que cumplan con los parámetros de ventanas de tiempo. A partir de esta población inicial, se aplican diversas técnicas de selección para dar con las soluciones de mejor rendimiento, las cuales se mezclan entre sí con una función de cruce. A continuación, se aplica un operador de mutación para añadir variabilidad a la población. En los siguientes pasos, el algoritmo selecciona de nuevo la mejor solución de la población actual y repite el proceso hasta obtener una solución óptima que cumpla con los requisitos especificados.
En general, los algoritmos genéticos producen resultados más precisos que los algoritmos heurísticos, pero su cálculo es más lento.
Para superar esta última dificultad y lograr una mayor rapidez en el cálculo, algunos desarrolladores de software están empezando a incorporar la IA (inteligencia artificial) a los algoritmos genéticos clásicos.
¿Qué tipo de problemas podemos resolver con IA y algoritmos genéticos?
Los algoritmos genéticos con IA se enfocan en resolver problemas de decisión multiobjetivo (como el VRPTW) donde existen varios actores a tener en cuenta: tiempos de entrega, costes asociados al transporte, número de vehículos, etc.
Gracias a la implementación de las redes neuronales (herramientas fundamentales de la IA) y a las técnicas de aprendizaje automático, es posible encontrar soluciones óptimas en situaciones de gran complejidad. Una de las mayores ventajas de utilizar esta metodología es que es escalable y flexible. Esto quiere decir que puede ser utilizada para resolver pequeños problemas y otros de mayor envergadura.
Algunos ejemplos de problemas recurrentes de la logística urbana que podemos solucionar con IA + algoritmos genéticos.
- Recepción de pedidos: los algoritmos genéticos con IA pueden ayudar a optimizar los flujos logísticos necesarios para gestionar los pedidos y minimizar costes asociados a los mismos.
- Secuenciación de las rutas: esta metodología sirve también para para desarrollar modelos predictivos en el problema VRPTW. Analizando los datos recopilados puede determinar la mejor ruta entre dos ubicaciones. Una vez obtenida la mejor ruta, se pueden implementar otros algoritmos de IA para refinar aún más los resultados obtenidos.
- Monitoreo en tiempo real: permite realizar una asignación dinámica de vehículos para mejorar la eficiencia logística. También agrupa los pedidos individuales en grupos de entrega por rutas y diseña recorridos adaptados a los cambios imprevistos en tiempo real.
- Seguridad y detección de anomalías: La IA es capaz de detectar posibles anomalías en el comportamiento y/o dirección del conductor y prevenir accidentes. Esto nos permite mejorar la seguridad en carretera de nuestros trabajadores.
En definitiva, el problema VRPTW exige soluciones flexibles a situaciones únicas. El aumento del precio de los combustibles, los cambios demográficos que vive nuestro país o la necesidad de reducir la emisión de gases contaminantes, hacen que muchas empresas muestren su preocupación por optimizar al máximo las rutas logísticas. Los software de última generación basados en IA y algoritmos genéticos pueden ser una buena solución para mejorar la rentabilidad y garantizar un futuro sostenible.
