Optimización de la red de entrega de última milla de una empresa líder en bebidas: cómo una consultora de cadena de suministro utilizó Simio para obtener un valor de 66 millones de dólares.

El desafío

Introducción

En el competitivo sector de las bebidas de hoy en día, las redes de distribución eficientes son fundamentales para mantener la rentabilidad y la excelencia en el servicio. Cuando un importante embotellador de bebidas descubrió que las operaciones de entrega constituían aproximadamente el 70% de los costes totales de su cadena de suministro, se dio cuenta de que existía una gran oportunidad de optimización. El embotellador se puso en contacto con una consultora líder en cadenas de suministro integrales para que le ayudara a afrontar este reto mediante técnicas de simulación innovadoras.

La embotelladora operaba una importante red que comprendía 18 centros de distribución y múltiples instalaciones de almacenamiento cruzado que prestaban servicio diariamente a casi 20.000 clientes activos. A pesar de haber mejorado con éxito el cumplimiento de pedidos en sus centros de distribución con procesos automatizados y racionalizados, sus operaciones de entrega seguían siendo un importante centro de costes. Además, la embotelladora estaba experimentando un crecimiento no uniforme en diferentes mercados debido a la expansión y a planes de comercialización adicionales, lo que complicaba aún más el reto de la optimización.

Este estudio de caso analiza cómo la consultoría de la cadena de suministro aprovechó el software de simulación Simio para desarrollar una herramienta de enrutamiento dinámico que optimizó la red de entrega de última milla de la embotelladora, lo que se tradujo en una reducción de los costes operativos anuales de 12,8 millones de dólares y un valor actual neto de 66 millones de dólares en diez años.

Antecedentes de la empresa: Consultoría de la cadena de suministro

The Supply Chain Consultancy es una empresa de asesoramiento integral sobre la cadena de suministro que actúa como una extensión de los equipos de sus clientes. Con más de 250 profesionales con experiencia en diversos sectores -desde la alimentación y el comercio minorista hasta la fabricación y la construcción-, la consultoría aporta una visión holística de las operaciones de la cadena de suministro a cada proyecto.

La empresa define la consultoría integral de la cadena de suministro como la que abarca todo el espectro de operaciones: desde la adquisición y la fabricación hasta el almacenamiento y la logística, pasando por toda la infraestructura relacionada. En términos más sencillos, ayudan a las empresas a optimizar la forma en que compran, fabrican, almacenan y transportan los productos.

La consultoría empezó en Australia y desde entonces se ha expandido por todo el mundo con oficinas en Nueva Zelanda, Asia, Reino Unido y Norteamérica. El lema de la empresa, "Inventar el mañana. Hoy", refleja su compromiso con la innovación y los resultados tangibles. Combinan su experiencia en el sector con tecnologías avanzadas, como software de simulación, para probar soluciones y garantizar que aporten beneficios cuantificables.

Dentro de su cartera de servicios, la capacidad de simulación de la consultora mejora su oferta para la cadena de suministro al abordar retos complejos que los métodos tradicionales no pueden resolver con eficacia. Su experiencia en simulación abarca la optimización de redes, la evaluación de la automatización, la mejora de la entrega en la última milla, la eficiencia de los centros de distribución, la gestión de inventarios y la optimización de la fabricación.

La solución

El reto: Optimización de una red de entrega compleja

El embotellador de bebidas se dirigió a la consultoría de la cadena de suministro con un importante reto empresarial: sus costes de entrega representaban aproximadamente el 70% de los costes totales de su cadena de suministro. Esto suponía una gran oportunidad de optimización, pero varios factores hacían que esta tarea fuera compleja:

• Escala y complejidad de la red: La embotelladora gestionaba 18 centros de distribución y numerosas instalaciones de almacenamiento cruzado que prestaban servicio diariamente a casi 20.000 clientes activos. Las instalaciones de almacenamiento cruzado son lugares en los que el producto entra por un extremo y sale por el otro sin almacenarse, lo que añade otro nivel de complejidad a la red.
• Patrones de crecimiento desiguales: La embotelladora experimentaba un crecimiento desigual en los distintos mercados debido a la expansión y a los planes de comercialización adicionales. Esto significaba que el volumen no aumentaba de manera uniforme en toda la red, lo que creaba desequilibrios que debían solucionarse.
• Diversidad geográfica: La red incluía tanto áreas regionales con distancias de viaje más largas debido a rutas menos densas como zonas metropolitanas con diferentes perfiles de rutas y limitaciones. Esta diversidad exigía un planteamiento de optimización a varios niveles.
• Utilización de la automatización: La embotelladora ya había invertido en automatización y procesos racionalizados para la realización de pedidos en sus centros de distribución. Sin embargo, la asignación cliente-CD existente no estaba optimizada para dirigir el volumen a través de estas instalaciones automatizadas, lo que limitaba la rentabilidad de estas inversiones.
• Transporte multimilla: El proyecto debía tener en cuenta tanto los movimientos de media distancia (entre centros de distribución) como las entregas de última milla (a clientes finales), lo que añadía otra dimensión al reto de las rutas.

Los enfoques tradicionales de modelización del transporte suelen tener dificultades con estas complejidades debido a las numerosas limitaciones que conllevan, como los plazos de entrega, las velocidades de desplazamiento, los patrones de tráfico y las capacidades de los activos. Además, la cuestión del transporte directo frente al transporte con varias paradas complica aún más el proceso de optimización.

La embotelladora necesitaba una solución que pudiera encontrar el equilibrio óptimo entre el plazo de entrega, los costes fijos y los costes variables evaluando diferentes configuraciones de la red y manteniendo al mismo tiempo los niveles de servicio.

Enfoque de la solución: Modelado de simulación dinámica

La consultora de la cadena de suministro abordó este reto desarrollando un completo modelo de simulación con el software Simio. El proyecto siguió un planteamiento estructurado de 12 semanas dividido en tres fases clave:

Fase 1: Revisión estratégica (5 semanas)

La fase inicial se centró en comprender la red de entrega actual de la embotelladora mediante la recopilación de datos y el análisis de reglas empresariales como perfiles operativos, lógica de enrutamiento, políticas de inventario y otras restricciones. Esta información se utilizó para construir un modelo de referencia que representaba el sistema actual.

El modelo de referencia tenía dos objetivos fundamentales:

• Verificación: Garantizar que el modelo funcionaba como se esperaba.
• Validación: Confirmar que el modelo representaba fielmente el funcionamiento de la red.

Este paso fue crucial para fomentar la confianza de las partes interesadas y garantizar la aceptación del cliente. Una vez validado y aprobado el modelo de referencia, el equipo pudo proceder con la seguridad de que cualquier mejora propuesta se basaría en una representación exacta del estado actual.

Fase 2: Optimización del estado futuro (5 semanas)

La segunda fase se centró en el desarrollo de una ruta y una configuración de CC optimizadas para el futuro. Los ingenieros de simulación de la consultora crearon un algoritmo de enrutamiento dinámico dentro de Simio que determinaba automáticamente qué rutas se asignarían a qué centros de distribución en función de las ubicaciones activas.

Este algoritmo se diseñó para gestionar las complejidades de las rutas de transporte con múltiples paradas, respetando al mismo tiempo todas las restricciones necesarias. La naturaleza dinámica del modelo supuso un importante valor añadido, ya que podía incorporar diferentes conjuntos de datos y mostrar cómo respondería la red, una capacidad muy superior a la que podía lograrse con modelos estáticos de hoja de cálculo.

Fase 3: Análisis de beneficios (2 semanas)

La fase final se centró en cuantificar los beneficios operativos, financieros y estratégicos que obtendría la embotelladora. El equipo esbozó las rutas óptimas para cada escenario, proporcionó una comprensión clara de las inversiones necesarias, desarrolló un caso de negocio completo y ofreció recomendaciones estratégicas para la implementación.

Detalles de la implantación: El algoritmo de enrutamiento dinámico

En el centro de la solución de la consultora se encontraba una sofisticada lógica de asignación dinámica de rutas desarrollada por sus ingenieros de simulación. Este algoritmo determinaba automáticamente qué rutas se asignarían a qué centros de distribución en función de las ubicaciones activas. El proceso seguía cuatro pasos principales:

Paso 1: Asignación cliente-CD

En primer lugar, el modelo determinaba a qué centro de distribución debía asignarse cada cliente:

• Cada cliente activo se asigna al centro de distribución más cercano.
• Se daba prioridad a los clientes con opciones limitadas de CD (por ejemplo, los situados en las afueras de la red).
• Los clientes con asignaciones fijas (por ejemplo, los que se encuentran en islas) se bloquearon en el centro de distribución designado.

Paso 2: Verificación de la capacidad

A continuación, el algoritmo verificó que cada centro de distribución podía gestionar el volumen asignado:

• El modelo calculaba cuántos palés debían enviarse desde cada centro de distribución.
• Si el volumen superaba la capacidad de un centro de distribución, se reasignaban los clientes para garantizar que ningún centro estuviera sobrecargado.
• Cuando procedía, se reasignaba a los clientes más cercanos a las instalaciones de cross-stock.

Este proceso se rige por varias normas de asignación de centros de distribución:

• Se suponía que las nuevas instalaciones tenían capacidad infinita, ya que podían construirse del tamaño necesario.
• Se dio prioridad a las instalaciones automatizadas para maximizar la utilización de estas inversiones.
• La capacidad de los centros de distribución se basó en los perfiles actuales y las horas de funcionamiento.

Paso 3: Creación de rutas

Para cada centro de distribución, el algoritmo creó rutas de entrega:

• Los pedidos lo suficientemente grandes como para llenar un camión entero se asignaron a rutas de una sola parada.
• Se crearon rutas con varias paradas para el resto de clientes, empezando por los más cercanos al centro de distribución.
• El modelo garantizaba que todos los clientes asignados a un centro de distribución estuvieran incluidos en las rutas.

Paso 4: Optimización de rutas

El algoritmo determinó la secuencia óptima para las visitas de los clientes:

• Para cada ruta, el modelo identificaba al siguiente cliente más cercano.
• Los tiempos de viaje se calcularon utilizando datos de la API que incorporaban patrones de tráfico
• El algoritmo verificó que el tiempo total de conducción no superara los límites legales para los conductores
• El modelo garantizaba que todos los pedidos cabían en el camión

Otras reglas de enrutamiento

• Los palés parciales se redondeaban a palés completos para calcular el espacio.
• El número de rutas que podía realizar un centro de distribución estaba limitado por la capacidad de sus vehículos.
• Se incorporaron patrones de tráfico para reflejar las condiciones del mundo real.

En lugar de buscar la optimización matemática, que sería costosa desde el punto de vista informático, el algoritmo aceptó rutas dentro de una tolerancia aceptable. De este modo, se obtuvieron planes de transporte factibles y realistas que los clientes podían aplicar con confianza.

El modelo incorporaba restricciones del mundo real, como los límites de fatiga de los conductores, la capacidad de los vehículos, las horas de funcionamiento de las instalaciones y los patrones de tráfico. Al integrar estos factores, la simulación creó una representación realista de la red que podía utilizarse para evaluar distintos escenarios.

El impacto empresarial

Resultados e impacto empresarial

La consultora de la cadena de suministro planteó 12 escenarios diferentes para identificar la configuración óptima de la red para la embotelladora de bebidas. Cada escenario se evaluó en función de los costes fijos y variables, tanto para los centros de distribución como para las entregas, y se compararon los gastos operativos totales con las configuraciones anteriores.

Los resultados de la simulación demostraron que podían lograrse ahorros significativos mediante la reconfiguración estratégica de la red, una mejor utilización de la automatización y la consolidación de las operaciones. En concreto, el análisis reveló que la embotelladora podría conseguir

• 12,8 millones de dólares anuales de reducción de costes operativos
• Un valor actual neto (VAN) de 66 millones de dólares en diez años.

Basándose en el análisis, la consultora recomendó cuatro escenarios clave para la implantación:

Escenario: Enrutamiento diario dinámico

En este escenario se mantuvieron las mismas ubicaciones de cliente-CD y de almacenamiento cruzado, pero se empleó el enrutamiento dinámico diario para generar rutas más eficientes. Este enfoque proporcionó un aumento inmediato de la eficiencia sin requerir cambios estructurales en la red.

Escenario: Consolidación de instalaciones

Este escenario exploró los beneficios de consolidar las operaciones entre dos instalaciones (anónimas como "Stratford" y "Goodwill" en la presentación). Al eliminar el tramo de transferencia entre instalaciones y reducir la doble manipulación de productos, este cambio agilizó los procesos y redujo los costes.

Escenario: Evaluación estratégica de instalaciones

En este escenario se analizó si el ahorro potencial en costes fijos derivado de los cambios en las instalaciones compensaría el aumento de las distancias de desplazamiento y los consiguientes costes de entrega. Aunque este escenario proporcionó beneficios financieros, el equipo observó que era necesario considerar detenidamente el equilibrio entre flexibilidad y capacidad.

Escenario: Transformación cruzada de existencias

Este escenario proponía transformar un centro de distribución completo (anonimizado como "Spearman") en un centro de almacenamiento cruzado. Este cambio mantendría la comodidad para el cliente al tiempo que dirigiría el cumplimiento de los pedidos a una instalación automatizada (anónima como "Goodwill"). Aunque el beneficio económico inmediato era modesto, se esperaba que creciera con el tiempo a medida que aumentaran las ventajas de la automatización.

El modelo de simulación aportó información valiosa al permitir probar rápidamente diferentes escenarios y visualizar cómo respondería la red a los cambios. Este enfoque permitió al equipo identificar el coste mínimo de la red manteniendo los niveles de servicio, incluso considerando el cierre de instalaciones si el ahorro compensaba los costes adicionales de entrega.

Ventajas de la simulación sobre la optimización tradicional

A lo largo del proyecto, la consultoría de la cadena de suministro descubrió que la simulación ofrecía varias ventajas clave frente a los enfoques de optimización tradicionales:

Resistencia de la solución

La simulación permitió al equipo comprobar el rendimiento del modelo en distintas condiciones e incertidumbres. Dada la naturaleza impredecible del entorno empresarial actual -afectado por factores como las pandemias, las guerras comerciales y el cambio climático-, estas pruebas de resistencia fueron cruciales para desarrollar una solución sólida.

Transparencia

A diferencia de la naturaleza de "caja negra" de muchas herramientas de optimización, la simulación proporcionó total transparencia en las operaciones del modelo. Esta transparencia generó confianza entre las partes interesadas y permitió al equipo identificar exactamente cómo y dónde se estaban realizando las mejoras.

Experimentación segura

La simulación creó un entorno seguro para probar diferentes ideas e hipótesis sin arriesgarse a interrumpir las operaciones reales. Esta capacidad de "bola de cristal" permitió al cliente explorar varios escenarios y ver sus posibles repercusiones antes de realizar ningún cambio en su red.

Entradas dinámicas

Mientras que el software de optimización suele funcionar mejor con datos y restricciones estáticos, la simulación podía manejar la naturaleza dinámica de las operaciones en el mundo real. El modelo incorporó factores cambiantes como patrones de tráfico, disponibilidad de mano de obra y capacidad de vehículos para crear escenarios más realistas.

Comprensión visual

La naturaleza visual de los modelos de simulación hace que los conceptos complejos sean más accesibles para las partes interesadas que pueden no ser expertas en la cadena de suministro. Esta representación visual ayudó a generar confianza en el modelo y facilitó una mejor comunicación de los resultados.

Gestión de lagunas de datos

Muchas organizaciones tienen lagunas en sus datos que requieren suposiciones para rellenarlas. La simulación permitió al equipo poner a prueba estas hipótesis y comprender su impacto en los resultados, generando una mayor confianza en los resultados del modelo.

Conclusión y orientaciones futuras

El proyecto de consultoría de la cadena de suministro para la embotelladora de bebidas demuestra el poder de la simulación en la optimización de complejas redes de entrega de última milla. Mediante el desarrollo de un algoritmo de enrutamiento dinámico en Simio, el equipo fue capaz de modelar varias configuraciones de red e identificar oportunidades para un ahorro significativo de costes, manteniendo al mismo tiempo los niveles de servicio.

Basándose en los resultados de la simulación, las recomendaciones estratégicas clave de la consultoría incluyeron:

• Consolidar dos instalaciones para racionalizar las operaciones
• Convertir dos centros de distribución en centros de almacenamiento cruzado
• Optimizar los procesos de automatización en una instalación clave
• Reevaluar el modelo de entrega de la empresa

El proyecto pone de relieve cómo la tecnología de simulación puede equilibrar eficazmente los niveles de servicio con la rentabilidad en redes de distribución complejas. La naturaleza dinámica del modelo permitió realizar pruebas rápidas y proporcionó información que habría sido difícil o imposible obtener con los métodos de optimización tradicionales.

De cara al futuro, la consultora está trabajando en el desarrollo de una interfaz empresarial que dé a los clientes acceso permanente a este activo virtual. Esta interfaz les permitiría ejecutar nuevos datos a través del modelo en cualquier momento, proporcionando esencialmente una "segunda opinión" sobre las rutas sin tener que cambiar la configuración en su sistema de gestión del transporte.

Este enfoque de la optimización de la red a través de la simulación tiene amplias aplicaciones en diversas industrias que se enfrentan a retos similares en la entrega de última milla. Combinando la experiencia en el sector con capacidades avanzadas de simulación, las empresas pueden identificar importantes ahorros de costes manteniendo o mejorando los niveles de servicio en sus redes de distribución.