Mejora en el proceso de planificación de las unidades logísticas utilizando análisis predictivo en una empresa de última milla en Lima metropolitana

Abstract

Esta investigación se centró en mejorar la eficiencia de la planificación de las unidades logísticas de una empresa de última milla, utilizando a Scharff, una operadora logística peruana en crecimiento exponencial. La metodología aplicada, llamada Predictive Analytics en la Cadena de Suministro, comprende tres fases: Comprensión del proceso de planificación, construcción de modelos predictivos y simulación para optimizar la capacidad de los vehículos, reducir costos y mejorar la planificación. En la primera fase, se creó un diagrama de proceso y se cuantificaron sus características para identificar el problema principal: Una baja utilización de los vehículos (26% de su capacidad), lo que generaba un desaprovechamiento de S/.236 mil mensuales. En la segunda etapa, se pronosticó la demanda con redes neuronales utilizando descenso de gradiente, logrando un RMSE de 0,21. Paralelamente, se usaron árboles de decisión para predecir datos logísticos antes de la llegada al almacén. En la última fase, se combinaron el pronóstico de demanda y el algoritmo de predicción para definir el reporte de distribución diario y calcular la cantidad de vehículos necesarios. Como resultado se logró reducir el daño emergente en 122 mil soles mensualmente al aumentar la utilización media en 54 puntos porcentuales.