UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

DEPARTAMENTO DE INGENIERÍA INDUSTRIAL

REDISEÑO DE PROCESO DE ASIGNACIÓN DE PEDIDOS

PARA EMPRESA DE ENTREGAS RAYO S.P.A

PROYECTO DE GRADO PARA OPTAR AL GRADO DE MAGÍSTER EN

INGENIERÍA DE NEGOCIOS CON TECNOLOGÍAS DE INFORMACIÓN

JUAN ANDRÉS CABRERA LILLO

PROFESOR GUÍA:
EZEQUIEL MUÑOZ KRSULOVIC

MIEMBROS DE LA COMISIÓN:

CRISTIAM GIL GONZÁLEZ

ÁNGEL JIMÉNEZ MOLINA

SANTIAGO DE CHILE
2018
RESUMEN EJECUTIVO
El mercado del eCommerce ha crecido significativamente durante los últimos
años en Chile. De acuerdo a la Cámara Nacional de Comercio, el eCommerce en Chile
crece alrededor del 20% anual (Tromben, C., Lever, G., y Cruz, M.D.P., 2016)
habiendo alcanzado en 2015 un total de ventas por 2.350 millones de dólares. El
crecimiento en el eCommerce ha significado además cambios en la industria de la
logística y es en esta que el presente trabajo está enmarcado. Rayo S.P.A es una
empresa de gestión logística que busca diferenciarse en una operación apoyada de
manera importante por tecnología que comenzó su proceso de prospección comercial
en febrero de 2016, centrándose principalmente en el reparto de comida directamente
desde los restaurantes asociados a su plataforma.

En diciembre de 2016, Rayo decide expandir sus operaciones al transporte de

otros objetos además de los alimentos, abriéndose con este nuevo enfoque nuevos
desafíos para la compañía tanto en términos de estrategia como en términos de
eficiencia que conllevan además nuevas definiciones técnicas para hacer frente a los
nuevos clientes debido a sus diferencias en las necesidades particulares que implica
abarcar nuevas industrias. Rayo S.P.A es parte de una industria que tradicionalmente
ha estado dominada por grandes operadores logísticos y que durante los últimos años
ha visto el ingreso de nuevos competidores que han buscado la diferenciación en la
tecnología propia de esta década. El ingreso de operadores logísticos que basan su
oferta de fuerza de reparto en las economías colaborativas es un factor que poco a
poco está moldeando la industria y por otro lado, la inminente llegada al mercado
nacional de grandes actores del eCommerce internacional ha generado en el retail
nacional la necesidad de adaptarse a estos nuevos tiempos. El negocio de la “última
milla” es un negocio de volumen y la búsqueda constante por lograr la mejor
experiencia al cliente puede afectar la rentabilidad del negocio si la fuerza de reparto no
se encuentra optimizada (sobreoferta de repartidores con el fin de llegar rápidamente al
cliente final).

El objetivo general de este proyecto es generar disminuciones en el costo

variable que aporten a la rentabilidad de la empresa y el objetivo específico de este
proyecto es proveer a Rayo S.P.A de una herramienta analítica que garantice la
asignación eficiente de repartidores sin descuidar la promesa de calidad, logrando
siempre minimizar la cantidad de repartidores dada una ruta óptima y una cantidad de
repartos a realizarse en una modalidad de 1 punto de recogida y múltiples puntos de
entrega (1 a n), considerando además las restricciones de cada cliente como lo son los
tiempos máximos de entrega y las restricciones de volumen a las que está sujeto cada
repartidor en su mochila de repartos.

II
AGRADECIMIENTOS

Agradezco a mi madre Cristina Lillo Flores, a mi padre Juan Carlos Cabrera, a mi

hermana María José Cabrera Lillo y a mis amigos por haberme apoyado
incondicionalmente durante todo este proceso y en general a lo largo de mi vida.

Agradezco principalmente a mi esposa Katherine Aybar Radefeldt por su

comprensión en las muchas veces que tuve que sacrificar tiempo de familia para
cumplir mis responsabilidades con este tan importante proyecto personal.

Agradezco además a todos mis compañeros y amigos a lo largo de mi

trayectoria laboral y educativa, los que sin duda han ayudado a forjarme como
profesional.

No puedo dejar de agradecer a mi Profesor tutor don Cristiam Gil González por
las muchas jornadas que dedicó a mi proyecto y a sus invaluables consejos.

Agradezco de manera muy especial a mi Profesor Guía don Ezequiel Muñoz

Krsulovic por sus consejos, su empatía y profesionalismo.

Finalmente agradezco a Luciano Villarroel Parra y a todo el equipo MBE por

hacer posible este tan destacado programa.

III
TABLA DE CONTENIDO

CAPÍTULO 1: INTRODUCCIÓN Y CONTEXTO ........................................................ 9

1.1 Antecedentes de la Industria ............................................................................. 9
1.2 Descripción General de la Empresa ................................................................ 10
1.2.1 Estructura Organizacional ........................................................................ 12
1.3 Problema u Oportunidad Identificada .............................................................. 13
1.4 Objetivos y Resultados Esperados del Proyecto ............................................. 14
1.4.1 Objetivo General ....................................................................................... 14
1.4.2 Objetivos Específicos ............................................................................... 14
1.4.3 Resultados Esperados .............................................................................. 14
1.4.4 Alcance ..................................................................................................... 14
1.5 Riesgos Potenciales ........................................................................................ 15
1.5.1 Riesgo financiero ...................................................................................... 15
1.5.2 Riesgo de aceptación interna ................................................................... 15
1.5.3 Riesgo de negocio .................................................................................... 15
1.5.4 Riesgo de gestión ..................................................................................... 16
1.5.5 Riesgo operacional ................................................................................... 16
CAPÍTULO 2: MARCO TEÓRICO ............................................................................ 17
2.1 Metodología de Ingeniería de Negocios .......................................................... 17
2.2 El problema de enrutamiento de vehículos ...................................................... 17
2.3 Naturaleza del problema de enrutamiento de vehículos .................................. 19
2.4 Heurísticas utilizadas para la resolución problema de enrutamiento ............... 21
CAPÍTULO 3: PLANTEAMIENTO ESTRATÉGICO.................................................. 22
3.1 Posicionamiento Estratégico ............................................................................ 22
3.2 Modelo de Negocios ........................................................................................ 23
CAPÍTULO 4: ANÁLISIS SITUACIÓN ACTUAL ....................................................... 24
4.1 Arquitectura de Procesos ................................................................................. 24
4.2 Modelamiento Detallado de Procesos ............................................................. 24
4.3 Modelamiento BPMN para la asignación de repartidores ................................ 25
4.4 Diagnóstico de la Situación Actual ................................................................... 25
4.5 Cuantificación del Problema u Oportunidad .................................................... 26
CAPÍTULO 5: PROPUESTA DE DISEÑO DE PROCESOS .................................... 28
5.1 Direcciones de Cambio y Alcance ................................................................... 28
5.1.1 Apoyo computacional ............................................................................... 28
5.1.2 Anticipación .............................................................................................. 28
5.1.3 Políticas de trabajo ................................................................................... 28
5.2 Diseño Detallado de Procesos TO BE ............................................................. 29
5.3 Diseño de Lógica de Negocios ........................................................................ 29
5.3.1 Tiempos límite para la entrega de la totalidad de los paquetes ............... 29

IV
 5.3.2 Capacidad máxima de la mochila de un repartidor .................................. 29
5.3.3 Morfología de los paquetes ...................................................................... 30
5.3.4 Transformación de direcciones ................................................................. 31
5.3.5 Obtención de condiciones de tráfico y tiempo de desplazamiento ........... 31
5.3.6 Generación de ruta óptima ....................................................................... 32
5.3.7 Descripción del modelo de optimización: ................................................. 32
5.3.8 Continuidad de la ruta óptima ................................................................... 34
5.3.9 Separación de segmentos en la ruta óptima y rotación de la ruta ............ 34
5.3.10 Castigos por tiempo de entrega y distancias a la bodega. ....................... 35
5.3.11 Criterios de selección de segmentos ........................................................ 35
5.3.12 Optimización de repartidores (re-asignación) ........................................... 35
CAPÍTULO 6: PROPUESTA DE APOYO TECNOLÓGICO ..................................... 38
6.1 Requerimientos Funcionales ........................................................................... 38
6.2 Requerimientos No Funcionales ...................................................................... 38
6.3 Arquitectura Tecnológica ................................................................................. 38
6.4 Diseño de la Aplicación .................................................................................... 39
6.4.1 Diagrama de casos de uso ....................................................................... 40
CAPÍTULO 7: GESTIÓN DEL CAMBIO ................................................................... 42
7.1 Contexto de la empresa ................................................................................... 42
7.2 Análisis de los principios de diseño ................................................................. 42
7.2.1 Estrategia y sentido .................................................................................. 42
7.2.2 Conservación ............................................................................................ 42
7.2.3 Estados de Ánimo ..................................................................................... 43
7.2.4 Comunicaciones ....................................................................................... 43
7.2.5 Caracterización del cambio ...................................................................... 43
7.3 Factores críticos del éxito ............................................................................. 44
CAPÍTULO 8: EVALUACIÓN DEL PROYECTO ...................................................... 45
8.1 Plan Piloto ........................................................................................................ 45
8.1.1 Resultados Obtenidos .............................................................................. 45
8.2 Definición de Beneficios Y Costos ................................................................... 47
8.3 Flujo de Caja .................................................................................................... 48
8.3.1 Indicadores De Evaluación Del Proyecto ................................................. 49
CAPÍTULO 9: CONCLUSIONES .............................................................................. 50
9.1 Resultados preliminares de la solución ........................................................... 50
9.2 Resultados para nuevos set de datos .............................................................. 51
9.3 Conclusiones finales ........................................................................................ 52
CAPÍTULO 10: BIBLIOGRAFÍA .................................................................................. 54
CAPÍTULO 11: ANEXOS ............................................................................................... 55

V
Índice de Tablas

Tabla 1: Participación de mercado en empresas de encomienda ................................... 9

Tabla 2: Repartidores necesarios y horas ociosas de acuerdo a la datos históricos. ... 26
Tabla 3: Cuantificación de la proyección de horas ociosas ........................................... 27
Tabla 6: Diferencias relevantes en tiempo entre rutas propuestas ............................... 46
Tabla 7: Diferencias relevantes en cantidad de repartidores entre rutas propuestas ... 46
Tabla 8: Comparación entre tiempos necesarios en rutas candidatas .......................... 46
Tabla 9: Re asignación de repartidores con capacidad ociosa ..................................... 47
Tabla 10: Cálculo de modelo CAPM .............................................................................. 48
Tabla 11: Flujo de caja resumido del proyecto .............................................................. 48
Tabla 13: Tabla resumen de resultados obtenidos para los nuevos sets de datos ....... 52

VI
Índice de Ilustraciones

Ilustración 1. Captura de pantalla del mapa de ubicaciones de recogida .................... 11

Ilustración 2. Captura de pantalla de la plataforma de seguimiento de los pedidos .... 12
Ilustración 3. Estructura Organizacional de Rayo SpA ................................................. 13
Ilustración 4. Esquema de los componentes relevantes para el proceso de rediseño . 17
Ilustración 5. Incremento de las combinaciones de rutas. ............................................ 20
Ilustración 6. Modelo Delta de Hax ............................................................................... 22
Ilustración 7. Modelo Canvas Rayo SpA ...................................................................... 23
Ilustración 8. Modelamiento IDEF0 .............................................................................. 24
Ilustración 9. Modelamiento Subnivel IDEF0 ................................................................ 25
Ilustración 10. Modelamiento BPMN para la asignación de repartidores ..................... 25
Ilustración 11. Modelamiento BPMN propuesto ........................................................... 29
Ilustración 12. Morfología de los paquetes para reparto (4 paquetes). ........................ 30
Ilustración 13. Morfología de los paquetes para reparto (7 paquetes). ........................ 30
Ilustración 14. Ejemplo de carga en formato JSON al script ........................................ 33
Ilustración 15. Rutas candidatas a convertirse en la solución óptima .......................... 34
Ilustración 16. 3 opciones de ruta dependiendo del punto de partida .......................... 35
Ilustración 17. Representación gráfica del criterio de selección ................................... 37
Ilustración 18. Arquitectura propuesta para el desarrollo de software ......................... 39
Ilustración 19. Diagrama de casos de uso ................................................................... 40
Ilustración 20. Output de combinaciones entregadas por el script ............................... 41
Ilustración 21. Render del aplicativo para generación de rutas óptimas ...................... 41
Ilustración 22. Carga de repartos de entrega ............................................................... 45
Ilustración 23. Orden de entregas que se debe seguir para cumplir la ruta óptima ..... 51

VII
CAPÍTULO 1: INTRODUCCIÓN Y CONTEXTO

1.1 Antecedentes de la Industria

Rayo opera en la Industria del Delivery en Chile, principalmente en el de la

entrega dentro del mismo día de productos perecibles y no perecibles. Este mercado
está dominado por grandes couriers tradicionales que abarcan aproximadamente el
90% del mercado. El 10% restante está distribuido en microempresas, pequeñas y
medianas empresas y es justamente esa la categoría en la que se encuentra Rayo
S.P.A. La tabla 1 confirma la alta concentración del mercado en la Región
Metropolitana.

Tabla 1: Participación de mercado en empresas de encomienda

Empresa Participación Volumen de Venta Anual
DHL 38% 65.138 MM$
Chilexpress 48% 82.280 MM$
Correos de Chile 5% 8.570 MM$
Otros 9% 15.427 MM$
TOTALES 100% 171.417 MM$
Nota:Francisco Macaya Álvarez (2012). ¿Existe una Oportunidad de negocio en el despacho a
domicilio tipo Courier? (Tesis de pregrado). Universidad de Chile, Santiago, Chile.

Durante los últimos 3 años una nueva camada de emprendimientos ha entrado al

mercado con una oferta diferenciada basada en las economías colaborativas y la
tecnología. Estas empresas muchas veces referidas como los “Uber de los repartos”
realizan intermediación tecnológica conectando repartidores independientes informales
con comercios que necesitan repartos para sus ventas. Adicionalmente, ofrecen
servicios de reparto para personas que necesitan hacer envíos. En general, estas
nuevas empresas ofrecen servicios de integración a los eCommerces de sus clientes
así como tracking en tiempo real para los clientes finales apoyados con aplicaciones
para teléfonos móviles (ilustración 2), notificaciones push, email y SMS en operaciones
que por lo general apuntan a entregas durante el mismo día o sólo unas cuantas horas.

Entre estas empresas podemos encontrar a:

● Todova
● Glovo / Cabify
● Shipify
● Rappi
● Boosmap
● Pedidos Ya

9
 Rayo S.p.A se encuentra en un punto intermedio entre los nuevos emprendimientos
tecnologizados de economía colaborativa y los couriers tradicionales ya que considera
una capa de personal de despacho encargado de dar soporte a los repartidores y a los
clientes y que además cuenta con personal de repartos propio.

1.2 Descripción General de la Empresa

Rayo SpA es una empresa creada en marzo de 2016 cuya actividad es realizar
entregas de productos de empresas a clientes finales integrándose a los procesos
internos a través de los siguientes servicios complementarios a la actividad principal.
• Integración de una plataforma tecnológica que le permite a la empresa llevar el
tracking y status de sus repartos en tiempo real. Los marcadores en la ilustración
1 representan puntos de recogida durante un día para uno de los clientes de
Rayo S.p.A.
• Customización e integración acorde a cada empresa y a la manera de recibir
pedidos; Integraciones con Call Center, App móvil, plataforma web, entre otros.
Una captura de pantalla del aplicativo para la solicitud de servicios de reparto se
puede ver en el anexo A.

Rayo S.P.A posee repartidores contratados para conformar su flota, y actúa como
un broker o intermediario entre la empresa (cliente) y empresas contratistas de
repartidores sólo en casos en que la demanda presente variaciones esporádicas que
deben ser compensadas rápidamente.
Rayo S.P.A posee dos líneas de negocio:
• Entregas 1 a N : Llevar uno o varios productos desde un lugar hacia varios
lugares de destino.
• Entregas 1 a 1 : Llevar uno o varios productos desde un lugar hasta otro.

Dentro de la propuesta de valor agregado al cliente se encuentra una clara

diferenciación respecto a la competencia tradicional (grandes couriers como
Chilexpress y Correos de Chile) ya que Rayo presenta un importante enfoque en la
adopción de tecnologías que enriquezcan la experiencia de sus clientes (empresas) y
la de los clientes finales (los receptores de los productos).

En todas las operaciones Rayo ofrece optimización de rutas, geolocación en tiempo

real (tracking) y además monitoreo de los estados del pedido (tracing) así como un
equipo de monitoreo y control que está disponible 24 horas al día para solucionar
contingencias que puedan presentarse. Cada repartidor cuenta con una aplicación móvil
presentada en la ilustración 1 que genera información correspondiente a la operación

10
de reparto y además constituye un canal de contacto con el cliente y/o el receptor final
sumado al soporte tecnológico propio de Rayo S.p.A basado en automatización de
SMS, email, chatbots, webhooks y plataformas web. Dicha información es compartida
además con las plataformas integradas a los procesos de venta y reparto de las
empresas que usan el servicio de Rayo. Entre los clientes más importantes de Rayo se
encuentran:

• Pedidos Ya para quienes Rayo realiza los repartos desde los restaurantes
asociados a la plataforma (1 a 1)
• Sodexo para quienes Rayo realiza la entrega de correspondencia entre
empresas asociadas a los servicios de externalización de personal. (1 a 1)
• Claro Chile para quienes Rayo realiza la entrega de equipos móviles y chips de
telefonía (1 a n)
• Linio Chile para quienes Rayo realiza la entrega de productos desde sus
bodegas (1 a n)
• Farmacias Cruz Verde para quienes Rayo realiza la entrega de medicamentos a
domicilio (1 a 1)

Rayo opera actualmente en la la Segunda, Cuarta, Quinta, Sexta, Séptima, Octava,

Novena y Décima Región además de la Región Metropolitana.

Ilustración 1. Captura de pantalla del mapa de ubicaciones de recogida

11
 Ilustración 2. Captura de pantalla de la plataforma de seguimiento de los pedidos

1.2.1 Estructura Organizacional

12
 Ilustración 3. Estructura Organizacional de Rayo SpA

1.3 Problema u Oportunidad Identificada

El problema a resolver se relaciona a las entregas 1 a N del cliente Linio (pudiendo

aplicarse para otros clientes con la misma modalidad) y tiene impacto directo en la
rentabilidad de Rayo S.P.A a través de la reducción de los costos variables de la
operación, es decir, mediante la optimización de los repartos. Los repartidores son el
costo variable principal de la empresa y de ahí la necesidad de minimizar la cantidad
total de repartidores y maximizar el número de entregas que cada repartidor realiza,
considerando los siguientes aspectos:

• Direcciones: En la modalidad 1 a N de Linio, no se puede previsualizar con

anticipación el destino de los productos, sólo dos horas antes de la de recogida en
bodega se comunican a la empresa las direcciones de entrega, dejando poco tiempo
para la planeación y optimización.
• Capacidad: En la modalidad 1 a N, los volúmenes de cada productos a entregar en
cada dirección se comunican sólo dos horas antes de la recogida en bodega. Cada
repartidor cuenta con una mochila de capacidad limitada de 0.064 metros cúbicos.
• Tiempo de entrega: Todos los pedidos deben estar entregados a las 19.00 pm del
mismo día en que se solicita el reparto, las solicitudes son hechas a las 12.00 pm
diariamente.

Actualmente, la asignación de repartos se realiza de forma manual y se producen

ineficiencias que son difíciles de controlar considerando que día a día las rutas y los
volúmenes de los productos a entregar cambian. Para poder cumplir con el compromiso
horario de la entrega total la empresa dispone por lo general un sobre abastecimiento
de repartidores que constituyen un costo que se pretende disminuir. De acuerdo a las
estimaciones de la empresa la optimización de los repartidores podría significar ahorros
de aproximadamente 45 millones de pesos anuales y se considera de importancia
estratégica dado que en la medida en que el negocio se haga más grande estos costos
seguirán escalando dada su naturaleza variable.

La oportunidad detectada en cuestión consiste en disminuir costos implementando un

modelo automatizado de optimización que considere volumen, restricción horaria y
generación de rutas óptimas que garanticen minimizar la cantidad de repartidores
necesarios para la operación de un día.

13
1.4 Objetivos y Resultados Esperados del Proyecto

1.4.1 Objetivo General

Generar eficiencias de costo en la asignación de repartidores que representen

una disminución de 45 millones de pesos anuales en costos en la operación de la
Región Metropolitana durante el año 2018.

1.4.2 Objetivos Específicos

Desarrollar antes de marzo de 2018 un algoritmo que permita eficientar el

proceso de asignación automática de repartos y la determinación de la flota óptima con
el fin de disminuir costos para la modalidad de entrega “1 a N”.

1.4.3 Resultados Esperados

Desarrollar, implementar y testear un prototipo funcional de software que genere

asignación automática y contrastar resultados contra operaciones anteriores en busca
de validar los ahorros potenciales presentados en el objetivo principal de este proyecto.

El prototipo debe considerar al menos las siguientes restricciones:

● Límites de volumen para transportar por los repartidores

● Horarios máximos de entrega
● Condiciones del tráfico en la Región Metropolitana área el cumplimiento de la
hora máxima de entrega

1.4.4 Alcance

El proyecto no aplica a las operaciones de clientes que no sean en la modalidad

1 a N ya que en esos casos sólo se necesita optimizar las rutas y esa es una
problemática que la empresa ya tiene resuelta.

El proyecto considera:

● Desarrollo del modelo matemático de optimización de ruta y volumen

● Desarrollo de la plataforma tecnológica para que los usuarios de Rayo puedan
utilizar el modelo de manera automatizada
● Implementación y testeo de la plataforma

14
El proyecto no considera:

● Generación de información con fuentes propias de la situación del tráfico en la

región metropolitana. Se utilizará para obtener este dato fuentes externas
● Plan de contingencia para el caso de no contar con data georeferenciada
(obtención de coordenadas)
● Mantención de servidores ni garantías de Up Time en lo que respecta a los
servicios externos necesarios
● Optimización de los paquetes en una mochila específica
● Apoyo tecnológico para la etapa de re asignación.

1.5 Riesgos Potenciales

1.5.1 Riesgo financiero : Incapacidad de financiamiento

● Clasificación: Se considera un riesgo bajo dado el pequeños costo asociado al

proyecto y su respectivo retorno potencial. El bajo costo del proyecto está
relacionado a que se utilizarán capacidades internas de la empresa.
● Mitigación: En caso de no existir recursos de financiamiento se analizarán
opciones de Software As A Service para resolver el problema de la asignación.

1.5.2 Riesgo de aceptación interna : Falta de rigurosidad en la adopción del

nuevo proceso propuesto

● Clasificación: Se considera un riesgo medio dado que en una operación agitada

como la de Rayo siempre existe en el personal la tentación de realizar procesos
manuales con tal de solucionar las contingencias del día a día. Es posible sin una
debida capacitación y comunicación interna que el proceso sea ignorado o bien
no se utilice correctamente.
● Mitigación: Se realizará capacitación continua y se concientizará de la
importancia para la empresa y la gestión de los colaboradores la adopción del
nuevo proceso a través de una gestión del cambio.

1.5.3 Riesgo de negocio : Cambio en los requerimientos del negocio o lógicas

comerciales.

● Clasificación: Se considera un riesgo medio dado que nuevos clientes podrían

requerir nuevas modalidades de entrega con nuevas restricciones que no estén
siendo consideradas al momento de detectar la oportunidad de negocios.
● Mitigación: En el caso en que cambien los requerimientos del negocio se
reutilizarán las lógicas de asignación desarrolladas para el presente proyecto
considerando que múltiple modalidades de entrega de una u otra manera
deberán ser optimizadas. En caso de ocurrir el cambio de requerimientos se

15
 contará con nuevas versiones de la herramienta que potenciarán aún más al
negocio en sus diferentes líneas de operación.

1.5.4 Riesgo de gestión : Atrasos en el desarrollo e implementación

● Clasificación: Se considera un riesgo de nivel bajo ya que el proyecto cuenta con

total apoyo de los socios de la empresa dado su potencial impacto en la
reducción de costos. La desarrollo e implementación no requerirán la
coordinación de grandes equipos humanos lo que reduce además el riesgo de
atraso.
● Mitigación: Se llevará control de los avances para estimar posibles atrasos
mientras se desarrolla el proyecto. En en caso de ser inminente el atraso se
adicionará un recurso adicional para apoyar el desarrollo y garantizar el plazo
comprometido.

1.5.5 Riesgo operacional

● Clasificación: Dada la naturaleza del proyecto los riesgos asociados recaen

principalmente en la debida disponibilidad de la tecnología en la operación de
cada día.. Actualmente existen compañías consolidadas como Microsoft, Nokia o
Google que operan en la modalidad “as a service” en la que el cliente realiza
micro pagos para acceder a la información directamente en el momento en que
se necesita a través de integración tecnológica. Las integraciones con con
diferentes proveedores se realizan a través de un estándar de servicios API
REST lo que los hace muy sencillos de reemplazar en caso de que alguno falle
sistemáticamente. El riesgo de caída, se encuentra respaldado por los términos
de servicio garantizados ofrecidos por los proveedores y en general
corresponden a un 99.9% de disponibilidad. El anexo C detalla las garantías de
servicio ofrecidas por Google Maps.
● Mitigación: Se procederá a reemplazar el proveedor de información geográfica y
tráfico. En el caso de no contar con información de tráfico con ninguno de los
proveedores se deberá proceder a realizar la asignación de repartos de manera
manual generando ineficiencias que corresponden a la situación actual.

16
CAPÍTULO 2: MARCO TEÓRICO

2.1 Metodología de Ingeniería de Negocios

Este proyecto ha sido abordado usando como guía principal la metodología

impartida en el programa MBE de la Universidad de Chile que se detalla en el libro:
“Ingeniería de Negocios: Diseño Integrado de Servicios, sus Procesos y Apoyo TI”
(Oscar Barros, 2015).

La Ingeniería de Negocios y en general el Master in Business Engineering ofrece

un marco que guía a las organizaciones en el análisis, contextualización, diseño e
implementación de soluciones que contribuyan al cumplimiento de sus objetivos
estratégicos así como también en la detección y debida validación de las oportunidades
negocio y determinación de los pasos a seguir para una implementación exitosa. La
metodología de la ingeniería de negocios propone como punto de partida la
determinación del planteamiento estratégico de una empresa analizando el contexto en
el que esta se desenvuelve, los estudios relevantes y las opiniones de expertos
pertinentes así como las motivaciones del cuerpo directivo y socios de una empresa
para posteriormente definir el modelo de negocios.

El modelo de negocios deriva en una arquitectura tipo de procesos desde la que

se podrán detallar y cuestionar cada uno de los subprocesos presentes y deseables así
como las soluciones tecnológicas que ayudar a conseguir una situación de mejora. La
ilustración 4 permite visualizar las componentes relevantes para el proceso de rediseño
basado en la Ingeniería de Negocios.

Ilustración 4. Esquema de los componentes relevantes para el proceso de rediseño

2.2 El problema de enrutamiento de vehículos

El problema particular detectado en este proyecto está definido en la literatura

como un “VRP” o “Vehicle Routing Problem”, que corresponden a problemas de
programación lineal, es decir aquellos que buscan conseguir soluciones óptimas,
máximos o mínimos para los resultados de una función objetivo específica de acuerdo a
las restricciones, variables y parámetros considerados.

17
 Una de las forma en las que se resuelven este tipo de problemas es a través de la
programación lineal y la solución apunta a determinar cuál es la ruta o rutas óptimas
que debe seguir un repartidor para atender a un número determinado de clientes dadas
sus ubicaciones a partir de un set de posibilidades que tradicionalmente se obtienen a
través de la combinatoria. Este problema fue planteado genéricamente para optimizar
rutas de camiones (Dantzig & Ramser, 1959).

En un problema como este, es importante además eliminar la posibilidad de que

una solución contenga uno más Sub Tours en donde se contempla una vuelta al origen
o bien a una ruta que considera múltiples puntos de destino a partir de un punto de
entrega ya que dejarían de ser soluciones al no ser parte de una ruta que inicia y
termina en el punto de abastecimiento. Para ello se usan grupos de restricciones como
por ejemplo aquellas que fuerzan a que la soluciones sean tales que de cada punto
salgan siempre sólo 2 destinos y que los puntos de salida no puedan ser iguales a los
puntos de entrada. (Miller, Tucker y Zemlin, 1960)

El problema del VRP puede extenderse a un problema CVRP (Capacity Vehicle

Routing Problem) al considerar la capacidad disponible en un vehículo y no solo la
trayectoria, haciendo necesario disponer de más fuerza de reparto para cumplir la ruta
óptima y todos sus paradas. La naturaleza del problema CVRP es similar a la del
problema VRP tradicional pero considera la restricción de no sobrepasar la capacidad
total. La cantidad de pedidos que un repartidor puede entregar se puede formular de la
siguiente manera.

Donde C representa la capacidad máxima a transportar, di representa el volumen que

corresponde a la entrega del cliente d y n corresponde a la cantidad de clientes.

La determinación de la disposición óptima de los ítems en un contenedor se

conoce como “El problema de la mochila” (Karp, 1972) (Baumgartner, 2011) y su
pertinencia en este trabajo está relacionada a que una solución óptima de CVRP es
sólo teórica si no se considera la disposición de los ítems en las mochilas de los
repartidores.

Al adicionar la restricción del tiempo de entrega máximo para cada paquete nos
referimos a una tercera variante del VRP llamada Vehicle Routing Problems with Time
Windows (VRPTW) (Solomon, 1995). Se establece en esta modalidad una ventana de
tiempo máxima para visitar a cada cliente y para completar su entrega en donde ti y tj
representan las horas en que cada cliente se encuentra disponible para recibir al

18
repartidor. El tiempo que tomará el servicio de entrega está definido como si mientras
que el rango ei hasta li representa la ventana horaria en la cual el servicio debe ser
cumplido para cada cliente por lo tanto siempre debe cumplirse las restricciones

ti ≤ li
tj <=tj

sin embargo , si la llegada al punto de entrega del cliente i (ti) es menor al menor tiempo
de la ventana horaria que le corresponde (ei) entonces el repartidor deberá esperar a
que el cliente esté disponible por lo tanto debe cumplirse además que

tj = ei + si + tij

donde tij representa el tiempo de demora del viaje entre el cliente i y el cliente j.
La función objetivo que minimiza el problema es

donde C representa los costos totales asociados a la ruta desde el cliente i al cliente j
que realiza el vehículo k y donde Xkij indica si la subruta es efectivamente recorrida por
el vehículo k.

Los enfoques heurísticos, metaheurísticos y de resolución exacta que se han

planteado para la solución de este tipo de problemas fueron revisados y resumidos
entre otros autores por Olivera (2004) y por El-Sherbeny (2010) así como las
diferentes variaciones que pueden existir del dicho tipo de problemas. Al considerar
todas las restricciones y características de la modalidad de entrega podemos definir el
problema que abordaremos como un CVRPTW (Capacited Vehicle Routing Problems
with Time Windows).

2.3 Naturaleza del problema de enrutamiento de vehículos

Los problemas de optimización de ruta se caracterizan por ser NP-Hard por

pertenecer éstos a una categoría de problemas en la que el tiempo necesario para la
resolución crece a lo menos exponencialmente en la medida en que incrementamos el
tamaño del problema que en el caso de los repartos corresponde a nuevos puntos de
entrega o recogida. Una definición más formal de la naturaleza de estos problemas es
que son aquellos para los que se desconocen algoritmos que puedan resolverlos en
tiempos polinómicos.

19
 Consideremos como ejemplo un escenario en el que un repartidor debe realizar
dos entregas (A y B) partiendo siempre desde el mismo punto. La fórmula para
determinar la cantidad de rutas posibles teóricas sin considerar calles, tráfico ni
obstáculos y asumiendo el desplazamiento sólo en líneas rectas de punto a punto se
puede expresar como el factorial de la cantidad de puntos de entrega es decir.

n = Cantidad de puntos de entrega

n!=cantidad de combinaciones de ruta posibles

En términos prácticos, mientras adicionamos nuevos puntos de entrega la

cantidad de rutas posibles aumenta considerablemente para el repartidor sin considerar
aún la determinación de la ruta óptima dentro de este gran set de posibilidades. La
ilustración 5 representa los incrementos en las posibilidades de rutas mientras
aumentan los puntos de entrega.

Ilustración 5. Incremento de las combinaciones de rutas.

Otro problema pertinente de analizar es aquel en el que debemos determinar si un

set de pedidos (representado cada uno de ellos con un valor entero que corresponde a
su volumen) suma o no exactamente el volumen disponible y constante en la mochila
de un repartidor

● Caso A
Capacidad de la mochila de un repartidor = V
Cantidad de paradas = 4
Set de paradas = {2,3,6,2}
Combinaciones necesarias 2 4-1 a evaluar para determinar si los pedidos caben
exactamente en una mochila.

20
 ● Caso B
Capacidad la mochila de un repartidor = V
Cantidad de paradas = 14
Set de paradas = {2,3,6,2,2,2,3,4,7,6,2,5,1,4}
Combinaciones necesarias 2 14-1

Como se puede apreciar, en la medida en que agregamos nuevos elementos al

set de repartos, la cantidad necesaria de combinaciones para abordar el problema
crece exponencialmente.

2.4 Heurísticas utilizadas para la resolución problema de enrutamiento de

vehículos

El estudio del problema del enrutamiento eficiente de vehículos ha sido ampliamente

estudiado y así mismo se han presentado a lo largo de los años múltiples enfoques para
la resolución óptima. Entre las metodologías heurísticas podemos distinguir entre
muchas otras

● Algoritmo de ahorros
En este algoritmo Clarke y Wright (1964) presentan un enfoque en el que
se generan eficiencias al juntar 2 rutas en una nueva ruta que agrega a las
anteriores.
● Inserción Secuencial
Este método propone insertar secuencialmente nuevos clientes en rutas
iterando con nuevos clientes no visitados en la próxima ruta que se
genera. Bodin (1983) realizó un compendio de los diferentes métodos de
resolución del problema con el enfoque de inserción secuencial.
● Tabu Search
Las restricciones de los tipos de flotas disponibles cuando estas son
heterogéneas y las horas disponibles de los repartidores así como sus
descansos fueron consideradas por Michel Povlovitsch Seixas y André
Bergsten Mendes (2013), en el planteamiento de soluciones
metaheurísticas basadas en el método de búsquedas “tabu search”,
(Glover , 1999).
● Algoritmo del vecino más cercano
Este algoritmo propone conformar la ruta adicionando siempre al próximo
punto de los clientes más cercano al último punto visitado siempre y
cuando este cliente no haya sido visitado anteriormente en la misma ruta.
El algoritmo termina una vez que todas los clientes son visitados.

21
CAPÍTULO 3: PLANTEAMIENTO ESTRATÉGICO

3.1 Posicionamiento Estratégico

Rayo compite en el mercado de los pequeños couriers (10% del mercado chileno)
y como se explicó en la sección anterior existe sólo una decena de actores que basan
su propuesta de valor en el apoyo de las tecnologías de la información. Dado que Rayo
a diferencia de sus competidores tecnológicos trabaja con contratos directos a la fuerza
de entrega y/o subcontrata empresas logísticas, los costos de la empresa son mayores,
principalmente debido a las leyes sociales que nuestros clientes exigen tener
consideradas.

Otro factor importante es el deber contar con seguros de carga y accidentes de

responsabilidad civil y también de accidentes personales adicionales a los exigidos.
Debemos considerar además que en ese 10% del mercado se encuentran muchos
competidores informales (pequeñas empresas o personas con pocas motos). Todo esto
justifica la necesidad de disminuir los costos para aún así ser competitivo ya que al
margen de la tecnología y el valor adicional ofrecido por Rayo, uno de los factores más
decisivos para la decisión del cliente es el precio final.

Tomando como referencia el modelo de posicionamiento de Hax, la empresa

apunta a posicionarse en el vértice de “Mejor producto” , apuntando específicamente a
generar un liderazgo en costos y así lograr la diferenciación. Rayo pretende ser el
courier que ofrece completa regularidad en las relaciones contractuales, seguros e
integración tecnológica al mejor precio.

Ilustración 6. Modelo Delta de Hax

22
3.2 Modelo de Negocios

La empresa Rayo S.p.A entrega servicios de delivery apoyados por tecnología.

Como oferta de valor además entrega servicios de seguimiento de los pedidos y de
control de contingencias en los despachos. El modelo de ingreso consiste en cobros por
pedidos exitosos y en algunos casos en cobros por desplazamientos (por ejemplo
cuando la operación consiste en más de una recogida y sólo una entrega por cliente).

Un diferenciador particular de Rayo SPA es que dependiendo de las necesidades

de un nuevo cliente Rayo SPA desarrolla soluciones de software a medida para que el
ingreso de los pedidos sea siempre digital ya sea para un call center, asistente que
ingresa pedidos manualmente o bien para el/la responsable de hacer cargas masivas o
eCommerce. Podemos ver representado el modelo de negocio completo en el siguiente
diagrama de acuerdo al marco referencial del “Business Model Canvas” presentado por
Alexander Osterwalder el año 2004. (Osterwalder, 2004).

Ilustración 7. Modelo Canvas Rayo SpA

23
CAPÍTULO 4: ANÁLISIS SITUACIÓN ACTUAL

4.1 Arquitectura de Procesos

La oportunidad de mejora detectada se encuentra enmarcada dentro de la cadena

de valor de la empresa (ilustración 8). Particularmente en la asignación de los repartos
a los repartidores. Con la finalidad de explicar específicamente cuales son las
interrelaciones relevantes con otros otras actividades de la empresa se presentan a
continuación los diagramas de los macroprocesos de la situación actual en la notación
IDEF0.

4.2 Modelamiento Detallado de Procesos

Cada vez que un cliente (empresa) entrega a Rayo el listado de entregas que
deben ser realizadas en la jornada el equipo de despacho es responsable de generar la
ruta óptima para dicho set de entregas. La generación de ruta óptima se realiza de
manera automática con un software de gestión de ruta sin embargo el optimizador no
considera el volumen de los productos ni el volumen de las mochilas de cada repartidor.
Previo a la asignación particular de un subconjunto de pedidos a un repartidor
(ilustración 8) debe realizarse manualmente en Excel un chequeo para evitar que la
capacidad máxima de un repartidor sea sobrepasada.

Ilustración 8. Modelamiento IDEF0

24
 Ilustración 9. Modelamiento Subnivel IDEF0

4.3 Modelamiento BPMN para la asignación de repartidores

El proceso de asignación de repartidores actual se puede apreciar en el siguiente

diagrama

Ilustración 10. Modelamiento BPMN para la asignación de repartidores

4.4 Diagnóstico de la Situación Actual

Como se puede apreciar en el diagrama BPMN anterior, el proceso de asignación

es manual y no cuenta con etapas de control. Se desconoce una vez asignada la carga

25
a los repartidores si la asignación es eficiente en términos de minimizar la cantidad de
personal. El diagrama deja ver además que la metodología para dicha asignación es
manual y por lo tanto está sujeta a errores humanos y por otro lado, no utiliza una lógica
analítica ni un modelo específico sino que usa la experiencia del asignador
considerando sólo entregar en los plazos máximos.

4.5 Cuantificación del Problema u Oportunidad

El principal costo asociado a la situación actual corresponde a las jornadas

ociosas en caso de existir una asignación ineficiente de un repartidor .Si una ruta es
ineficiente requiere más repartidores y estos corresponden actualmente
aproximadamente el 70% del costo total de la empresa. Adicionalmente existe un costo
asociado al tiempo que toma para el responsable de asignación el determinar la
cantidad de repartidores necesarios para la operación de un día y la ruta respectiva
para cada uno de ellos. De acuerdo a la experiencia y los análisis realizados
manualmente, cada 50 entregas al menos un repartidor genera ineficiencias del 60%
con un total de 5 repartidores en promedio para dicho volumen. Esto significa que de los
5 repartidores encargados a repartir 50 entregas generarán tiempos ociosos de al
menos 5 horas. Los detalles se pueden a continuación en la tabla 2.

Tabla 2: Repartidores necesarios y horas ociosas de acuerdo a la datos

históricos.

Volumen Repartidores Horas ociosas Costo hora

necesarios

50 repartos 5 5 $ 3.500

Adicionalmente debemos considerar que existe un costo asociado al tiempo

dedicado a la asignación y generaciones de rutas por parte de la persona responsable
que se traduce en 450.000 pesos mensuales correspondientes al costo de las
horas/hombre destinadas para el trabajo.

26
 Con los volúmenes actuales de operación 1 a N el problema se cuantifica en
2.100.000 pesos mensuales. La tabla 3 muestra las horas ociosas a modo de costos
adicionales en la operación de Rayo de acuerdo a las proyecciones de crecimiento
para los años 2018 y 2019.

Tabla 3: Cuantificación de la proyección de horas ociosas

Enero 2018 2.100.000

Proyección 2018 año completo 38.150.000

Proyección 2019 año completo 58.800.000

27
CAPÍTULO 5: PROPUESTA DE DISEÑO DE PROCESOS

5.1 Direcciones de Cambio y Alcance

La propuesta de rediseño de la asignación de repartidores tendrá un

impacto en diferentes variables de diseño al interior de la organización.

5.1.1 Apoyo computacional

En la situación actual, una vez que se recibe de el/los cliente(s) un grupo

de paquetes a repartir, la ruta óptima efectivamente se genera de manera
automatizada sin embargo esta ruta no considera las restricciones de volumen ni
de tiempo total que por lo general corresponde a 7 horas partiendo del punto de
recogida a las 14 horas cada día. La situación propuesta contempla la
generación automática de la ruta a partir con apoyo computacional pero además
considera la optimización de la cantidad de repartidores y las restricciones
horarias y volumétricas (volumen máximo de la mochila de un repartidor).

5.1.2 Anticipación

Actualmente, la ruta óptima se genera asumiendo que las distancias entre

cada punto son “libres de tráfico” dejando como parámetro sólamente el tipo de
vehículo a usar ( en este caso motocicletas). Las condiciones del tránsito pueden
afectar dramáticamente los tiempos en el desplazamiento de un repartidor en
ruta y de hecho pueden generar cambios en la ruta óptima que se genere. En la
situación propuesta se contempla considerar la predicción del tránsito para la
generación de la ruta utilizando para ello servicios analíticos predictivos.

5.1.3 Políticas de trabajo

Actualmente el proceso de determinación de la cantidad de repartidores

necesarios para completar una ruta óptima se realiza manualmente basado sólo
en la experiencia del responsable de asignación y sin realizarse controles
respecto a las ineficiencias generadas. En la situación propuesta, se considera
que dicha asignación y optimización de recursos sea realizada por un algoritmo
matemático de optimización así como también la existencia de una fase de
control en el proceso.

28
5.2 Diseño Detallado de Procesos TO BE

En el proceso plasmado en la ilustración 11 se puede ver el esquema BPMN

donde se adicionan además de los chequeos de consistencia, la utilización del modelo
matemático de optimización, la asignación sujeta a restricciones de tiempo y volumen y
además la generación de las rutas óptimas considerando información del tráfico. El
proceso propuesto de la generación de la ruta óptima considera siempre la selección de
una ruta incluso si el resultado del script entregara como resultado más de una solución
óptima.

Ilustración 11. Modelamiento BPMN propuesto

5.3 Diseño de Lógica de Negocios

El diseño de la lógica de negocios se basa en algunos supuestos y restricciones

derivadas de la naturaleza de la operación de entrega 1 a N.

5.3.1 Tiempos límite para la entrega de la totalidad de los paquetes

La totalidad de los paquetes debe ser entregada exitosamente en un periodo

determinado de tiempo que por lo general corresponde a 7 horas desde la recogida en
las bodegas de la empresa del cliente

5.3.2 Capacidad máxima de la mochila de un repartidor

Cada repartidor cuenta con una mochila que tiene por capacidad máxima 0.064
metros cúbicos. Debemos considerar que dada la irregularidad de los paquetes, la gran
mayoría de las veces el uso óptimo teórico de la mochila no se podrá conseguir y para
ello se sub utilizará el uso máximo al correr el modelo de optimización.

29
5.3.3 Morfología de los paquetes

Como regla general, cada paquete es entregado en una caja o contenedor en

forma de paralelepípedo. Teniendo en cuenta que los paquetes presentan tamaños
diferentes entre sí, es muy poco probable que dos mochilas puedan alcanzar su
capacidad máxima con la misma combinación entre paquetes y volumen restante.
Mientras que en la ilustración 12 se muestra una mochila cargada con 4 paquetes en la
ilustración 13 se muestra una mochila cargada con 7 paquetes. En ambos casos, las
mochilas podrían estar en su capacidad máxima al no haber más paquetes que puedan
entrar en el espacio disponible restante.

Ilustración 12. Morfología de los paquetes para reparto (4 paquetes).

Ilustración 13. Morfología de los paquetes para reparto (7 paquetes).

30
5.3.4 Transformación de direcciones de entrega a coordenadas geográficas
(Reverse geocoding)

Dado el listado de repartos para un día específico se convierten a coordenadas

geográficas las direcciones de destino y se excluye de la ruta el punto inicial de
recogida. Para ello, es necesario que las direcciones de entrega estén correctamente
formateadas en el standard de direcciones de la API de Google Maps. Dicho formato
corresponde a un texto en donde cada campo y su respectivo valor están separados por
comas y en donde sucesivamente se agregan unidades administrativas comenzando en
la calle y terminando en el país y se puede consultar en detalle en el anexo B.

5.3.5 Obtención de condiciones de tráfico y tiempo de desplazamiento

Una vez que se encuentran transformadas direcciones a un formato de

coordenadas geográficas se generará una ruta óptima que minimice la distancia total y
para ello debemos primero contar con la información del tráfico estimada considerando
además el medio de transporte que en este caso corresponde a motocicletas. Dicha
información se obtiene desde el servicio Bing Maps Distance Matrix API. La carga de
coordenadas tiene como resultado una matriz de distancias de doble entrada donde
cada columna tiene su correspondencia en distancia con cada fila. La tabla 5 muestra
parcialmente la matriz de doble entrada obtenida del procesamiento realizado con el
servicio Distance Matrix Api para el caso que se analizará en este informe. La matriz
nos muestra el tiempo en segundos que se debe recorrer para llegar de un punto a otro
tomando en cuenta el tráfico del momento en la ciudad y usando como referencia de
vehículo a un auto.

Tabla 5: Matriz de tiempo entre puntos de entrega

31
5.3.6 Generación de ruta óptima

Para generar la ruta óptima se realiza una optimización utilizando programación

lineal en la suite AMPL. El objetivo de la optimización es minimizar la cantidad de
repartidores tomando en cuenta las restricciones volumétricas de cada mochila y
generando una ruta en la que el punto de inicio es siempre el punto de término.

5.3.7 Descripción del modelo de optimización:

A continuación se explica la lógica del modelo de optimización responsable de

generar la ruta óptima para el set de datos sin considerar aún la optimización de la
asignación a los repartidores.

• Conjuntos en notación AMPL

Cada una de las iteraciones que se deben realizar para cada combinación entre
columnas y filas de la matriz representa un arco donde N es la cantidad de direcciones
de entrega del día. Los índices i y j son puntos de recogida y cada combinación cuenta
con su respectivo tiempo en segundos.

set Nodes ordered := {1..N};

set Arcs := {i in Nodes, j in Nodes: i <> j};

• Parámetros

● N: Representa la cantidad de direcciones de entrega

● Length: param length {(i,j) in Arcs};

El parámetro Length Representa el atributo distancia que corresponde al

tiempo necesario para desplazarse de un punto a otro en cada
combinación de filas / columnas.

• Restricciones en notación AMPL

● Restricción 1: subject to Degrees {i in Nodes}: sum {(i,j) in Arcs} x[i,j] + sum {(j,i)
in Arcs} x[j,i] = 2;

La restricción 1 se refiere a que desde cada punto en la ruta óptima deben salir
siempre 2 segmentos para garantizar una ruta única que comienza y termina en
el mismo punto.

32
 ● Restricción 2: subject to Degree1 {i in Nodes}: sum {j in Nodes:i<>j} x[i,j] = 1;
● Restricción 3: subject to Degree2 {j in Nodes}: sum {i in Nodes:i<>j} x[i,j] = 1;
● Restricción 4:
subject to NoSubtour1 {(i,j) in Arcs: i <> j and i >= 2 and j >= 2}: u[i] - u[j] + N*x[i,j]
<= N - 1;

La restricción 3 y 4 corresponden a un reforzamiento de la restricción 2 y

garantizan que desde cada punto de entrega sale 1 y sólo 1 nuevo punto de
entrega. La restricción 4 garantiza que el punto de inicio y término de un
segmento no sea el mismo punto de inicio y que el siguiente punto de entrega,
dado un punto de partida sea siempre al menos superior en una unidad al punto
inicial.

• Función objetivo en notación AMPL

minimize Tourlength: sum {(i,j) in Arcs} length[i,j] * x[i,j];

Esta función minimiza la sumatoria de todos los tiempos asociados a los

desplazamientos y entrega como resultado un set de datos que sirve como input al
script de separación de segmentos y optimización de rutas explicados más adelante. La
ilustración 13 muestra el formato de dicho set de datos y sus descripciones
corresponden a las siguientes:

● id: id único del pedido a entregar.

● item:volumen del producto a entregar
● tiempo: tiempo en segundos desde el punto anterior.
● depot: tiempo en segundos hasta la bodega desde la ubicación de entrega del
producto a entregar.

Ilustración 14. Ejemplo de carga en formato JSON al script que determina la cantidad de
repartidores necesarios

33
5.3.8 Continuidad de la ruta óptima

Se asumirá que la ruta óptima debe ser seguida en cada una de sus paradas sin
embargo no se asume que deba seguirse una dirección específica en la asignación
inicial. Si a un repartidor le correspondiere el segmento de ruta 13,14,15 y 16 será
determinado por el modelo si debe partir desde el punto 13 o desde el punto 16 sin
embargo siempre el punto 14 y 15 deben ser respetados como inmediatamente
sucesivos. En la ilustración 14 tanto la ruta roja como la ruta azul son sujeto de
convertirse en la solución óptima para un repartidor.

Ilustración 15. Rutas candidatas a convertirse en la solución óptima

5.3.9 Separación de segmentos en la ruta óptima y rotación de la ruta

Definiremos un segmento como una parte de la ruta óptima que será asignado a
un repartidor. Un repartidor podrá realizar más de un segmento en la operación de un
día en la medida en que al terminar su primer segmento aún tenga tiempo disponible,
todo esto con el fin de minimizar la cantidad de repartidores. Una vez determinada la
ruta óptima se ejecuta un script que permite determinar la cantidad de repartidores que
son necesarios considerando el volumen que corresponde a cada entrega para un
punto de partida específico. El algoritmo continuará avanzando en la ruta óptima en la
medida en que las sumas de los volúmenes asociados a cada parada no superen la
constante de carga máxima (0.064 metros cúbicos). Cuando la parada próxima supere
dicho límite el algoritmo contempla sumar en 1 la cantidad de repartidores necesarios y
luego resetea dicha cantidad a 0 para comenzar desde el último punto de partida.

Una vez que el algoritmo termina de recorrer todos los puntos de la ruta óptima
procede a cambiar el punto de inicio generando nuevos resultados alternativos
considerando que se pueden producir eficiencias. La ilustración 15 muestra cómo sería
posible generar eficiencias dependiendo del punto de partida. Comenzar una ruta en la
posición “A” podría requerir menos o más repartidores dependiendo de las dimensiones
de los productos a entregar. En el anexo E se puede ver en detalle la lógica
programática y las funciones principales responsables de la rotación de rutas.

34
 Ilustración 16. 3 opciones de ruta dependiendo del punto de partida

5.3.10 Castigos por tiempo de entrega y distancias a la bodega.

Se consideran para este modelo constantes los tiempos de espera en cada una
de las entregas con un valor de 15 minutos y la carga en el punto de recogida con un
valor de 30 minutos. Los desplazamientos hacia el punto de carga inicial no se toman
en cuenta ya que los repartidores deben partir su jornada en dicho punto sin embargo sí
se considerarán los tiempos de desplazamiento al punto inicial del segmento que se
otorga a cada repartidor para su respectivo segmento de repartos que es un
subconjunto de la ruta óptima.

5.3.11 Criterios de selección de segmentos

Una vez realizadas todas las combinaciones de rotación de cada ruta con sus
respectivos números totales de repartidores necesarios se realiza la siguiente
discriminación de asignaciones siguiendo estos criterios:

1. Eliminamos las combinaciones de asignaciones que superan en conjunto el

máximo de tiempo disponible para la operación del día
2. Se selecciona la combinación de asignaciones que contempla el menor número
de repartidores necesarios

5.3.12 Optimización de repartidores (re-asignación)

Un repartidor con una segmento determinado no necesariamente va a usar el

máximo de su tiempo disponible en completar un segmento (considerar por ejemplo el

35
caso en que un repartidor es responsable de entregar un producto que ocupa el 100%
del volumen disponible en su mochila) y es por eso que una vez llegado este punto
analizamos la posibilidad de asignarle a los repartidores nuevos segmentos. El criterio
para dicha determinación consiste en calcular los tiempos totales relacionados a la re-
asignación incluyendo el desplazamiento al punto de recogida y el desplazamiento al
primer punto de entrega de su nuevo segmento.

Podemos calcular el tiempo total de reasignación con la siguiente fórmula de acuerdo al

criterio explicado anteriormente usando la siguiente fórmula

!"#$%& (# )#*+",-*."ó- = 1(+2) + . + )(1") + )("-)

ti= Punto de término del primer segmento

r(ti) =Tiempo desde punto de recogida hasta TI
r(in) =Tiempo desde punto de recogida hasta nuevo punto de inicio
s2= Nuevo segmento
c= Tiempo de carga en punto de recogida
tn = Punto de término nuevo segmento
in= Punto de inicio nuevo segmento

Considerando que el repartidor deberá desplazarse nuevamente hacia el punto

de recogida y que una vez que se termina la nueva ruta no hay necesidad de volver se
decidirá siempre que la ruta inicial termine en el punto más cercano al punto de
recogida y que el punto de inicio del nuevo segmento sea siempre el más cercano al
punto de partida. La ilustración 18 permite visualizar que dicho criterio minimiza los
tiempos adicionales necesarios para realizar una reasignación, sin embargo vale la
pena mencionar que si no se trata de una reasignación no hay incentivo para invertir las
direcciones de entrega de los segmentos dado que no genera ninguna eficiencia en
tiempo.

Se determina como punto de partida por defecto siempre aquellas direcciones

más cercanas al punto de recogida para poder comenzar los repartos lo antes posible y
tener holguras de tiempo en caso de existir contingencias propias de la operación
(direcciones erróneas, clientes que no están disponibles para aceptar la entrega, entre
otros).
El criterio de asignación que se utiliza finalmente para discriminar entre repartidores
tiene que ver con el balanceo donde asignaremos el nuevo segmento más largo a aquel
repartidor(a) que tenga más tiempo disponible en su jornada.

● Primer criterio: Se asigna el nuevo segmento de mayor duración (considerando

los castigos asociados a la reasignación) al repartidor con más tiempo disponible

36
 ● Segundo criterio: Se selecciona la asignación de rutas ruta que tiene el menor
tiempo total

Ilustración 17. Representación gráfica del criterio de selección del punto de fin de una sub ruta

37
CAPÍTULO 6: PROPUESTA DE APOYO TECNOLÓGICO

6.1 Requerimientos Funcionales

En términos generales se requiere una plataforma que pueda realizar de manera

automática las siguientes operaciones por un usuario que no posea conocimientos
técnicos.
▪ Recibir una carga masiva de direcciones en un formato específico en un archivo
separado por comas.
▪ Procesar dicho archivo para convertir las direcciones de entrega a coordenadas
geográficas
▪ Obtener una matriz de doble entrada para cada punto de entrega con su
respectiva estimación en tiempo de desplazamiento considerando como vehículo
una motocicleta y además las condiciones de tránsito en el momento
▪ Se requiere el desarrollo de un modelo de optimización lineal que que será
cargado por la matriz obtenida en el punto anterior para así generar una ruta
óptima.
▪ Se requiere un programa computacional que pueda realizar la separación de la
ruta óptima en segmentos considerando las restricciones de volumen en la
mochila de cada repartidor.
▪ La operación debe hacerse desde un browser
▪ La plataforma debe mostrar los resultados en un browser
▪ Las reasignaciones se realizarán manualmente fuera del marco de la plataforma
de apoyo tecnológico en Microsoft Excel o planilla de cálculo similar.

6.2 Requerimientos No Funcionales

Se requiere que el sistema cuente con disponibilidad mayor o igual al 99% cada
365 días corridos y que los tiempos de respuesta para conseguir los datos necesarios
sean menores a un minuto. La aplicación debe considerar seguridad simple (usuario y
password) y ser accedida desde internet.

6.3 Arquitectura Tecnológica

La propuesta de arquitectura tecnológica descansa sobre un paradigma de

Software as a Service en el que se “consumen” recursos directamente desde los
proveedores a través de servicios web dispuestos de alta disponibilidad. Los servicios
web serán gatillados desde el servidor de Rayo SPA y el standard de comunicaciones
será API REST.

38
Herramientas tecnológicas utilizadas:
1. Microsoft Distance Matrix API (información referida al producto disponible en
anexo F)
2. Google Maps Geocoding API (información referida al producto disponible en
anexo F)
3. Servidor Rayo SPA
a. VPS Centos Linux
b. Entorno backend NODE.JS V.8.9
4. AMPL IDE versión para fines educacionales. Esta versión está restringida al uso
de 300 variables lo que supera con creces las necesidades del problema a
resolver en esta optimización.
5. Microsoft Excel o Google sheets para realizar operaciones de reasignación

Ilustración 18. Arquitectura propuesta para el desarrollo de software

6.4 Diseño de la Aplicación

El aplicativo está construido sobre un servidor de NODE.JS que realiza llamadas a las
APIs externas descritas anteriormente. Una vez conseguidos los datos estos son
cargados en formato JSON a un script de Javascript que en el browser es el encargado
de realizar el render de la ruta óptima (ilustración 20). Una vez la data está cargada
para la ruta óptima otro script es el encargado de realizar la rotación y desplegar los
resultados en pantalla (ilustración 17).

39
6.4.1 Diagrama de casos de uso

Ilustración 19. Diagrama de casos de uso

6.5 Prototipo Funcional Desarrollado

A continuación se pueden apreciar pantallas del prototipo funcional en donde el

usuario puede verificar visualmente la coherencia de la ruta óptima generada
(ilustración 21) y además las iteraciones realizadas sobre las rotaciones de las rutas
(puntos de inicio en la ilustración 22). Una vez que se consiguen los resultados, el
usuario procede a realizar manualmente (hoja de cálculo) la reasignación necesaria en
caso de aplicar según los criterios expuestos en la sección Nº5 del presente informe. A
la fecha de este trabajo se encuentran desarrollados los algoritmos, los renderizadores
de resultados en pantalla (browser) y las integraciones de APIs externas quedando
pendiente aún unificar los aplicativos de transformación de direcciones y de cálculo de
repartidores y desarrollar las capas de autenticación. Los costos asociados a dichos
desarrollos serán detallados más adelante en la sección 8.

La ilustración 20 muestra el resultado del script de rotación de rutas. Cada tramo

corresponde a la subruta que deberá recorrer el repartidor y las columnas “INICIO” y
“FIN” muestran a qué parada o cliente corresponden el inicio y fin de dicha subruta. En
la columna “MOCHILA” vemos el total de volumen acumulado entre todos los clientes
visitados. Una vez recorridos todos los tramos necesarios se cambia el punto de inicio
(columna “INICIANDO EN”) y la columna repartidores nos muestra el total de
repartidores necesarios para cumplir la totalidad de las entregas. La ilustración 21

40
muestra la representación gráfica de la ruta óptima a seguir indistintamente del sentido
ni la cantidad de repartidores que sean necesarios.

Ilustración 20. Output de combinaciones entregadas por el script

Ilustración 21. Render del aplicativo para generación de rutas óptimas

41
CAPÍTULO 7: GESTIÓN DEL CAMBIO

7.1 Contexto de la empresa

Rayo SPA cuenta con una cultura organización en la que se propicia siempre la
eficiencia y la automatización. Se ha definido estratégicamente a nivel empresa que que
se debe buscar siempre la optimización para lograr ventajas competitivas en el mercado
y es uno de los pilares internos el “dejar ir” cuando se trata de reemplazar soluciones
por nuevas alternativas que sean mejores. Considerando lo anterior, el proceso de
cambio para este proyecto es aceptado e impulsado por los socios de Rayo SPA. Es
importante considerar que el equipo que será afectado por este cambio en términos de
operaciones no está al tanto de estos valores ya que los socios de la empresa no han
comunicado las estrategias oportunamente. La implementación de las soluciones
propuestas en este documento deberán incluir procesos de capacitación y de difusión
de valores y prácticas deseables al interior de la empresa.

7.2 Análisis de los principios de diseño

Utilizando como marco de referencia el Modelo Ontológico de Gestión del Cambio

impartido en el Master in Business Engineering analizaremos los principales principios
de diseño que deberán ser considerados para que el proceso de cambio sea exitoso.

7.2.1 Estrategia y sentido

Rayo SPA se presenta como una empresa que basa en su tecnología la

posibilidad de escalar en un mercado en el que tradicionalmente es difícil hacerlo dada
su gran componente de trabajos manuales y su alto apalancamiento en recursos
humanos. En la medida en que Rayo SPA pueda operativizar las tareas manuales de
manera automática la empresa estará generando ventajas en el mercado y de ahí la
urgencia de este tipo de cambios.

7.2.2 Conservación

Durante los últimos 2 años un feedback recurrente por parte de los clientes de
Rayo ha sido su capacidad para responder a las contingencias con un espíritu empático
para apoyar en momentos en que los procesos por distintas razones se dejan de
cumplir. Ese sello es algo que Rayo deberá conserver entendiéndose que las tareas
automatizadas por sí solas no son garantía del éxito. Las herramientas propuestas en
este proyecto deben ser facilitadores de las tareas sin embargo siempre el juicio y la
calidad humana profesional se mantendrán como propuesta de valor para los clientes.

42
7.2.3 Estados de Ánimo

En Rayo trabajan a la fecha 10 “despachadores” y cada cual cuenta con

diferentes experiencias laborales y grados educacionales así como visiones del negocio
y de la experiencia del usuario. Se han detectado “grupos” que serán descritos con
letras para mantener la confidencialidad.
• Grupo A: Actitud desconfiada, prefieren realizar manualmente el trabajo, no les
gusta perder el control de aquellas tareas que realizan.
• Grupo B: Pro Cambio y falto de conocimientos técnicos. El grupo B desconoce
los alcances de la tecnología y sus posibilidades pero está abierto a aprender y
ser parte del cambio.
• Grupo C: Pro cambio y con conocimientos técnicos. El grupo c conoce los
alcances de la tecnología y sus posibilidades. Está abierto a aprender,
comunicar, impulsar y educar durante el cambio. Este equipo corresponde al
equipo de jefaturas y socios.

7.2.4 Comunicaciones

Considerado el poco trabajo que se ha realizado en Rayo para compartir los

pilares, valores e ideal de cultura organizacional lo que se realizará primeramente es
una serie de reuniones presenciales de todo el equipo directivo para revisar y formalizar
dichas definiciones.
Posteriormente se realizarán reuniones sucesivas que abarcarán los siguientes tópicos.
• ¿Qué es escalar una empresa?
o El rol de la tecnología en el escalamiento.
• Impacto de la tecnología en la calidad de trabajo.
o Trabajo manual v/s trabajo automatizado
o ¿Dónde está el valor del trabajo de una persona?
• Capacidades de la tecnología
o ¿Qué puede hacer la tecnología para ayudarme en mi día a día?
o Tecnologías disponibles

7.2.5 Caracterización del cambio

Principalmente el cambio que se realizará es llevar culturalmente a una empresa

que desconoce o que no encuentra valor en la optimización de procesos a una empresa
convencida de las potencialidades y del impacto positivo que genera la adopción de
nuevas tecnologías y procesos eficientes. Se espera que la empresa mantenga su
espíritu resolutivo de problemas y centrado en el cliente pero que además todos los
colaboradores sean capaces de ver, proponer y potenciar la eficiencia y mejora de
procesos al interior de la empresa.

43
7.3 Factores críticos del éxito

Se define como factor crítico la capacidad del equipo de jefaturas y socios para
comunicar efectivamente al resto del equipo así como el diseño coherente de las
definiciones clave. Es muy crítico para el éxito también el poder seducir al equipo A
dado su alto nivel de influencia (por antigüedad en la empresa principalmente) y poder
generar la confianza en el equipo B para que sean capaces de comunicar y expresarse
respecto a las ideas de mejora.

44
CAPÍTULO 8: EVALUACIÓN DEL PROYECTO

8.1 Plan Piloto

Con la finalidad de analizar las posibles eficiencias generadas por una asignación
apoyada por tecnología se propone desarrollar e implementar la plataforma pero se
presentan a continuación los resultados preliminares a partir de los desarrollos
operativos a la fecha.

8.1.1 Resultados Obtenidos

Se desarrollaron 2 plataformas que permiten generar la ruta óptima e iterar en los

distintos puntos de partida (rotación de las rutas). Se utilizaron para el ejercicio datos
correspondientes a un día de operación con el cliente Linio Chile con 51 pedidos por
entregar (ilustración 22) y la plataforma generó 349 sub rutas rutas posibles que
pueden revisarse en detalle en el anexo M .

Ilustración 22. Carga de repartos de entrega

45
 La diferencia de tiempo máxima encontrada en las 349 subrutas para completar
las 51 tareas corresponde a 0,801 (tabla 6) horas de un total de 7 horas como máximo
para poder realizar las entregas del día.
Sólo 8 de las 349 rutas garantizan poder realizar las entregas con 6 repartidores en vez
de 7 (tabla 7). Dichas rutas se encuentran detalladas en la tabla 8 con sus respectivos
tiempos asociados.

Tabla 6: Diferencias relevantes en tiempo entre rutas propuestas

Tabla 7: Diferencias relevantes en cantidad de repartidores entre rutas propuestas

Una vez se aplica el criterio de punto de partida que considera el punto de

partida como aquel más cercano al punto de recogida (revisar sección 5.3.7). De las
soluciones posibles se selecciona aquella que tiene un tiempo total menor para
completar la totalidad de los repartos.

Tabla 8: Comparación entre tiempos necesarios en rutas candidatas

46
 Una vez realizada la selección se revisa la disponibilidad de recursos ociosos
para poder re asignar rutas sin contar con repartidores adicionales utilizando el criterio
de cercanía al punto de recogida descrito en la sección 5.3.11 de este informe.

Después de realizada la reasignación el número de repartidores necesarios para

completar el total de las tareas disminuye a 3. Cada repartidor está representado por un
color en la tabla 9 y cada uno de ellos considera la restricción de volumen en su mochila
y además el máximo tiempo en el que los pedidos pueden ser entregados y se suma a
cada segmento además el retorno necesario a el punto de entrega y el desplazamiento
al nuevo inicio de subruta. La operación total de repartos considera por lo tanto 3
repartidores para completar 51 entregas.

Tabla 9: Re asignación de repartidores con capacidad ociosa

8.2 Definición de Beneficios Y Costos

Los beneficios asociados al proyecto provienen del ahorro en horas hombre del
responsable de asignación y de la disminución en horas ociosas en la fuerza de reparto.
Los costos de operar el proceso propuesto con la herramienta tecnológica consisten en
servicios Cloud que se pagan por uso (costo operacional variable) y por último la
inversión corresponde a la etapa de desarrollo y pruebas concentrados básicamente en
horas hombre. Se consideran hundidos los costos de mantención del servidor de Rayo
dado que el este desarrollo no tendrá efectos alguno en performance ni capacidad (el
procesamiento es en modalidad Cloud y el almacenamiento es marginal dado que no
consume recursos relevantes). El único costo relevante en lo que respecta a la fuerza
de reparto corresponde a la cantidad de repartidores necesarios para realizar la
operación de un día. En la medida en que el proceso propuesto aporte a la disminución
de la cantidad de repartidores estamos frente a un ahorro importante para el objetivo
estratégico de la empresa que estamos atacando con este proyecto. Vale la pena
explicar que por cada repartidor que se sobreestima en la asignación manual se

47
generan pérdidas de aproximadamente 3.500 pesos por hora y estas se multiplican por
cada día y por cada operación mal estimada.

8.3 Flujo de Caja

En la tabla 11 se muestra el flujo de caja resumido proyectado para 2 años con

sus respectivos indicadores. En el anexo C se puede encontrar el resumen del flujo de
caja aperturado por meses y años. Para determinar la tasa de descuento para la
evaluación del proyecto se utilizará el modelo CAPM y un factor de riesgo sistemático
de valor 1,1, determinado por la consultora DADNEO para la valorización de la empresa
Rayo S.p.A. La memoria de cálculo del modelo CAPM se puede apreciar en la tabla 10.

Tabla 10: Cálculo de modelo CAPM

Tabla 11: Flujo de caja resumido del proyecto

48
8.3.1 Indicadores De Evaluación Del Proyecto

De acuerdo al criterio del VPN el proyecto vale la pena de ser realizado y además
pasa positivamente los criterios de razón costo beneficio, Indice de rentabilidad y TIR en
los 3 escenarios que se analizaron para este ejercicio.
● Escenario 1 (Negativo): Disminución de un 10% en facturación del cliente y
aumento en un 10% de los costos variables (Time and Distance Matrix)
● Escenario 2 (Intermedio): Mantención en la facturación del cliente y mantención
en los costos variables (Servicio Time and Distance Matrix)
● Escenario 3 (Positivo): Aumento de un 20% en facturación y mantención en los
costos variables (Servicio Time and Distance Matrix)

El proyecto no considera inversiones posteriores y los beneficios que genera

trascienden al corto plazo por ser aplicables de manera recurrente sin generar costos
relevantes asociados y esto explica en parte el alto valor de la TIR del proyecto.

Tabla 12: Tabla resumen de los indicadores financieros del proyecto

49
CAPÍTULO 9: CONCLUSIONES

El presente proyecto tiene como objetivo estratégico la disminución de los costos

directos de repartidores que en el caso de la operación de Rayo SPA corresponden a
más de un 70% del costo total. La solución propuesta para cumplir este objetivo se
puede resumir en las siguientes partes:

1. Creación de un modelo matemático que garantiza la generación de una ruta

óptima .
2. Creación un aplicativo que permite iterar entre todos los puntos de partida
posibles para minimizar el tiempo máximo requerido y minimizar además la
cantidad de repartidores considerando restricciones de tiempo de entrega y
volumen en las mochilas de reparto.
3. Reasignación de capacidad ociosa para disminuir la cantidad de repartidores
necesaria.

Los resultados entregados por la solución permiten determinar automáticamente la

ruta óptima así como el punto de partida específico dentro de ella que minimiza los
tiempos y cantidad de personal. Esta solución se logra a través de un método de
“rotación de rutas” en el que se evalúa el tiempo y recursos necesarios para completar
las entregas de un día partiendo desde cada uno de los puntos de entrega a través de
la iteración.

9.1 Resultados preliminares de la solución

Los resultados obtenidos para un set de datos de 51 repartos demuestran que la

solución es capaz de discriminar aquellas rutas que requieren más repartidores
generando eficiencias del 16% en costos directos asociados a remuneraciones de
repartidores. Adicionalmente debemos considerar que esta solución genera eficiencias
en el uso de las horas hombre de los encargados de generar las rutas ya que
actualmente este proceso se realiza manualmente y sólo basado en la experiencia de
los operarios.

50
9.2 Resultados para nuevos set de datos

Con la finalidad de validar los resultados preliminares obtenidos se han considerado

los siguientes 5 nuevos sets de datos

1. Día lunes 14 de mayo de 2018: 50 entregas

2. Día martes 15 de mayo de 2018: 50 entregas
3. Día miércoles 16 de mayo de 2018: 29 entregas
4. Día jueves 17 de mayo de 2018: 36 entregas
5. Día viernes 18 de mayo de 2018: 33 entregas

En la totalidad de los casos, el modelo generó una ruta óptima y entregó como
resultado soluciones que requieren menos repartidores para completar cada una de las
entregas. La tabla 13 muestra en detalle los resultados obtenidos donde el porcentaje
de ahorro corresponde al costo asociado a la cantidad de repartidores necesarios para
una operación no eficiente. Las soluciones eficientes corresponden a la cantidad de
combinaciones posibles que entregan un mínimo de repartidores necesarios para
cumplir con todas las entregas.

En la mayoría de los casos analizados, la probabilidad de encontrar una solución

eficiente sin apoyo de tecnología es bastante dispersa y esto se debe principalmente a
la gran cantidad de combinaciones posibles considerando direcciones de clientes y las
dimensiones de los productos que deben recibir. Llama particularmente la atención el
caso del día 17 de mayo donde existe sólo una solución que minimiza la cantidad de
repartidores necesarios de un total de 36 puntos de partida posibles. La ilustración 23
muestra la ruta óptima generada para dicho para entender el orden en que se deberían
realizar las entregas.

Ilustración 23. Orden de entregas que se debe seguir para cumplir la ruta óptima

51
 A partir de las soluciones eficientes siempre podemos encontrar una solución óptima
seleccionando aquella que minimiza el tiempo total necesario para finalizar la ruta. Los
ahorros posibles gracias a la selección de rutas eficientes sin embargo presentan
desviaciones mucho más pequeñas que corresponden a ahorros en repartidores de
entre 1 y 3 personas menos para completar la operación de un día específico.

Probabilidad media de encontrar soluciones eficientes = 28,52

Desviación estándar de soluciones eficientes = 30,84%
Desviación estándar de porcentajes de ahorro = 3,61%

Tabla 13: Tabla resumen de resultados obtenidos para los nuevos sets de datos

9.3 Conclusiones finales

Es un inmenso aprendizaje para la empresa entender el orden de magnitud de las

combinaciones las posibles subrutas ya que permite validar el hecho de que difícilmente
se podrá iterar manualmente para llegar a soluciones eficientes más aún considerando
que se esperan aumentos considerables en la operación.

El set de datos utilizado inicialmente generó 349 iteraciones diferentes para los 50
puntos de partida y sólo 8 de ellas corresponden a soluciones que minimizan la
cantidad de repartidores y es por supuesto demoroso analizar y encontrar dichas rutas
para una persona sin apoyo tecnológico. Por otro lado, es tentador pensar en aplicar
estas eficiencias y capacidades al resto de las operaciones y a las diferentes
modalidades en que la empresa se desempeña.

El proceso propuesto sin embargo, sólo considera la entrega de productos con una
recogida y múltiples entregas (1 a N) y no considera la oportunidad de optimizar los
repartos con flotas heterogéneas, es decir con capacidades diferentes (camiones,
camionetas, bicicletas y otras alternativas que pudieran existir). Esto es algo deseable

52
para el futuro que otorgaría gran valor a la compañía que esta ya se encuentra
explorando nuevas opciones de vehículos.
Posteriormente a la obtención de los resultados preliminares y con el objetivo de
validar las lógicas aplicadas se ejecutó el proceso para 5 nuevos sets de datos
correspondientes a 5 días de una semana laboral. En todos los casos se consiguieron
soluciones eficientes que presentan disminuciones promedio en los costos cercanas al
20%. Estos resultados por si solos ya justifican la implementación de la solución
propuesta en el proceso de asignación.
Finalmente, la reasignación manual del personal que aún tiene horas laborales
disponibles después de finalizadas las entregas de su trayecto asignado disminuye
notablemente de 6 a 3 repartidores el total necesario en el set de pruebas iniciales. Esto
resulta muy atractivo considerando que en la entrega real se utilizaron de hecho 6
repartidores lo que significa una disminución potencial del 50% de costos. Es deseable
considerar para trabajos futuros la automatización de dicho proceso ya que a pesar de
no ser un proceso demoroso para el caso presentado en este informe, podría serlo en
una escala mucho mayor de operaciones.

53
CAPÍTULO 10: BIBLIOGRAFÍA
1. Baumgartner, L.; Schmid, V.; Blum, C. (2011), Solving the two-dimensional bin
packing problem with a probabilistic multi-start heuristic, Lecture Notes in
Computer Science. Vol. 6683. 76-90.
2. Barros, Oscar (2004). Business Process Patterns and Frameworks: Reusing
Knowledge
3. Barros, Oscar (2011). Ingeniería de Negocios, Diseño Integrado de Negocios,
Procesos y Aplicaciones TI, Segunda Parte, v. 5.0, U. de Chile.
4. Bodin L, Golden B, Assad A, Ball M (1983). Routing and scheduling of vehicles
and crews – the state of the art. Computers & Operations Research 63–211
5. C. E. Miller, A. W. Tucker, and R. A. Zemlin (1960), Integer Programming
Formulations and Traveling Salesman Problems, Journal of the Association for
Computing Machinery 7, 326-329
6. Clarke G, Wright W (1964). Scheduling of vehicles from a central depot to a
7. Dantzig, G. and J. Ramser (1959), The truck dispatching problem, Management
Science, 6 , 80-91
8. El-Sherbeny (2010), Vehicle routing with time windows: An overview of exact
heuristics and metaheuristics methods. Journal of King Saud University:
Computer and Information Sciences, 22(3), 123 -131
9. Glover F, Laguna M (1999). Tabu search I. 10.1287/ijoc.1.3.190.
10. Hax, Arnoldo C. and Wilde, Dean L., The Delta Model -- Toward a Unified
Framework of Strategy (September 2002). MIT Sloan Working Paper No. 4261-
02.
11. Karp M (1972), Reducibility Among Combinatorial Problem , Complexity of
Computer Computations pp 85-103
12. Macaya F (2012). ¿Existe una Oportunidad de negocio en el despacho a
domicilio tipo Courier? (Tesis de pregrado). Universidad de Chile, Santiago,
Chile.
13. Olivera (2004), Heurísticas para Problemas de Ruteo de Vehículos
14. Osterwalder, A. (2004) The Business Model Ontology—A Proposition in a Design
Science Approach. PhD Thesis, University of Lausanne, Switzerland.
15. Porter, M. E. The Competitive Advantage: Creating and Sustaining Superior
Performance. NY: Free Press, 1985.
16. Povlovitsch M, Bergsten A (2013), “Column Generation for a Multitrip Vehicle
Routing Problem with Time Windows, Driver Work Hours, and Heterogeneous
Fleet,” Mathematical Problems in Engineering, vol. 2013
17. Solomon M.M. (1995). Algorithms for the vehicle routing problem with time
windows. Transportation Science, 29(2), pp. 156-166
18. Tromben, C., Lever, G., y Cruz, M.D.P. (2016) Tendencias del Retail en Chile ·
2016. Recuperado del sitio de la Cámara de Comercio de Santiago:
https://www.ccs.cl/prensa/2016/01/tendencias_retail_2016_WEB.PD

54
 CAPÍTULO 11: ANEXOS

Anexo A: Panel para solicitud de repartidores

Anexo B: Formato de consultas de direcciones para la API Maps de Google.

Google Inc. (2017). Recuperado desde

https://support.google.com/mapcontentpartners/answer/160409?hl=en

55
Anexo C: Resumen del flujo de caja del proyecto

56
 Anexo D: Acuerdo de servicio de Google maps.

Google Inc. (2017). Service Level Agreement (“Maps API SLA”) Recuperado de
https://enterprise.google.com/maps/terms/maps-sla.html ).

57
Anexo E: Algoritmo de asignación de rutas y rotación de pedidos

58
 Anexo F: Links a la descripción de productos de tecnologías usadas

1. Microsoft distance matrix api: https://www.microsoft.com/en-

us/maps/distance-matrix)
2. Google Maps Geocoding API
(https://developers.google.com/maps/documentation/geocoding/intro)

Anexo G: Rutas óptimas generadas para día lunes de la semana de pruebas

Anexo H: Rutas óptimas generadas para día martes de la semana de

pruebas

Anexo I: Rutas óptimas generadas para día miércoles de la semana de

pruebas

59
Anexo J: Rutas óptimas generadas para día jueves de la semana de pruebas

60
Anexo K: Rutas óptimas generadas para día viernes de la semana de pruebas

61
 Anexo L: Output del software de optimización para rutas óptimas
RUTAS ÓPTIMAS

LUNES MARTES MIERCOLES JUEVES VIERNES

1 0 0.11
1 0 0.01 1 0 0.01 7 7 0.10 1 0 0.03 1 0 0.01
8 8 0.02 8 8 0.01 29 29 0.09 28 28 0.01 7 7 0.01
21 21 0.03 32 32 0.04 27 27 0.03 7 7 0.00 27 27 0.00
22 22 0.00 44 44 0.01 30 30 0.04 22 22 0.00 12 12 0.01
45 45 0.00 43 43 0.06 26 26 0.04 24 24 0.01 6 6 0.01
43 43 0.00 4 4 0.00 11 11 0.07 33 33 0.01 32 32 0.01
26 26 0.01 3 3 0.08 5 5 0.00 11 11 0.01 15 15 0.04
39 39 0.00 34 34 0.05 24 24 0.00 27 27 0.04 17 17 0.02
42 42 0.01 19 19 0.03 22 22 0.00 26 26 0.06 26 26 0.01
47 47 0.02 11 11 0.03 4 4 0.01 29 29 0.08 24 24 0.01
38 38 0.02 25 25 0.04 14 14 0.02 35 35 0.14 30 30 0.00
11 11 0.00 35 35 0.01 16 16 0.02 8 8 0.12 8 8 0.01
20 20 0.03 20 20 0.13 17 17 0.03 16 16 0.04 21 21 0.01
37 37 0.04 49 49 0.09 9 9 0.00 14 14 0.04 31 31 0.05
48 48 0.00 45 45 0.04 21 21 0.01 12 12 0.01 25 25 0.05
33 33 0.01 41 41 0.04 3 3 0.00 18 18 0.02 18 18 0.01
5 5 0.01 40 40 0.06 2 2 0.00 20 20 0.01 16 16 0.00
41 41 0.00 7 7 0.01 13 13 0.02 6 6 0.01 13 13 0.01
28 28 0.01 6 6 0.02 20 20 0.00 10 10 0.01 9 9 0.00
3 3 0.02 22 22 0.01 10 10 0.01 30 30 0.05 20 20 0.04
30 30 0.01 30 30 0.02 25 25 0.02 21 21 0.07 28 28 0.02
9 9 0.00 47 47 0.01 28 28 0.01 9 9 0.06 29 29 0.12
29 29 0.00 14 14 0.02 12 12 0.04 25 25 0.09 10 10 0.14
2 2 0.01 5 5 0.05 15 15 0.08 19 19 0.02 5 5 0.06
15 15 0.01 46 46 0.02 18 18 0.08 15 15 0.02 14 14 0.04
31 31 0.03 27 27 0.04 8 8 0.06 31 31 0.02 22 22 0.01
25 25 0.06 24 24 0.02 23 23 0.12 17 17 0.03 23 23 0.03
12 12 0.07 23 23 0.01 19 19 0.05 34 34 0.01 19 19 0.02
4 4 0.03 21 21 0.02 32 32 0.01 11 11 0.02
13 13 0.05 31 31 0.01 13 13 0.01 33 33 0.00
34 34 0.04 28 28 0.01 23 23 0.00 2 2 0.00
35 35 0.10 13 13 0.01 5 5 0.00 3 3 0.00
44 44 0.03 37 37 0.01 36 36 0.00
50 50 0.02 33 33 0.01 2 2 0.00
23 23 0.02 12 12 0.00 3 3 0.00
18 18 0.10 38 38 0.02 4 4 0.00
14 14 0.05 26 26 0.00
10 10 0.09 50 50 0.03
32 32 0.00 9 9 0.01
16 16 0.04 15 15 0.06
19 19 0.02 29 29 0.05
7 7 0.01 18 18 0.02
27 27 0.01 10 10 0.01
17 17 0.01 36 36 0.01
36 36 0.06 2 2 0.01
46 46 0.03 48 48 0.01
24 24 0.13 39 39 0.01
40 40 0.05 42 42 0.00
49 49 0.04 16 16 0.00
6 6 0.00 17 17 0.00

62
Anexo M: Extracto del resultado de rutas posibles entregadas por el
algoritmo de iteración

63