El problema de planificar el último tramo de transporte hasta el destinatario final, conocido como problema de la última milla, goza de un extendido interés dentro del mundo de la logística, producto de su alto coste. Debido al auge del e-commerce en los últimos años, la búsqueda de soluciones óptimas continúa siendo un campo activo de estudio y, en este sentido, una de las más recientes soluciones que se ha puesto sobre la mesa es la de incorporar vehículos autónomos en las rutas de distribución para la realización de entregas. En las próximas líneas, desde baobab, ahondamos en esta alternativa.
El transporte, en el ámbito de la logística, ha sido y continúa siendo una actividad que plantea retos difíciles de abordar. Por un lado, es clave para conseguir los niveles de servicio y de satisfacción del cliente deseados; pero, a cambio, usualmente es la que mayor coste implica. En particular, el tramo de entrega desde el último punto de distribución hasta el destinatario final, conocido en jerga como “transporte de última milla”, amerita complejas planificaciones de rutas que intenten reducir los elevados costes inherentes. Según el informe “Last Link: Quantifying the cost” de Cushman & Wakefield, el coste del último tramo representa aproximadamente el 50% sobre el coste total de la cadena de suministro en el comercio online.
La nueva logística post COVID-19
La crisis del Coronavirus ha supuesto una aceleración en el crecimiento que estaba experimentando el e-commerce en los últimos años y aunque dicha aceleración no es sostenible y la tendencia es a evidenciar una ralentización de esta, no es de esperar que los niveles de comercio online y su porcentaje frente a las ventas en físico regresen a niveles iguales o inferiores a los existentes antes de la pandemia. Lo anterior supone un aumento en el número de vehículos de reparto, congestiones de tráfico en las ciudades y, sin intervenciones, incrementos en las emisiones contaminantes. Se estima que en las principales 100 ciudades del mundo el aumento en el número de vehículos será del 36% para el 2030, esto supone un 20% más de congestión en el tráfico de zonas metropolitanas y un posible incremento de hasta 6 millones de toneladas en las emisiones de CO2.
Ante estos nuevos retos la incorporación de vehículos autónomos en la distribución de última milla se perfila como una alternativa.
Autonomía en la última milla
La entrega autónoma de última milla consiste en emplear robots, drones y vehículos autónomos terrestres para entregar pedidos a los clientes finales sin intervención humana.
La planificación de dichas rutas requiere de técnicas de analítica avanzada. A la complejidad que caracteriza cualquier problema de enrutamiento de vehículos se le suman otras cuestiones que dificultan la resolución del problema. Por ejemplo, si pensamos en reparto por drones, la posibilidad de replanificar rutas (agregar o quitar paradas) en tiempo casi real se ve limitada sustancialmente: los drones deben de programarse con antelación suficiente para conocer su recorrido.
Para ilustrar brevemente lo anterior, nos centraremos en el problema de optimizar entregas utilizando drones y camiones de forma combinada: The Flying Sidekick Traveling Salesman Problem (FSTSP).
Supongamos que existe un único camión con un dron. Entonces, el camión saldrá con la mercancía desde un almacén/plataforma y visitará a determinados clientes. Por su parte, el dron partirá a bordo del camión y cuando se encuentre en alguno de los nodos despegará con un paquete, entregará al cliente correspondiente y regresará al nodo en donde se encuentre el camión para realizar otra entrega o quedar inoperativo tras finalizar sus entregas programadas.
Algunos de los requisitos y cuestiones adicionales que añaden complejidad al modelo (respecto a las formulaciones tradicionales) son:
- Coordinar la posición del camión y del dron para el lanzamiento y recogida de este último.
- Incluir tiempos de servicio para la preparación de lanzamientos y cambio de baterías del dron.
- Tener en cuenta las restricciones de peso para el dron. Esto fácilmente puede traducirse en que ciertos clientes con paquetes particularmente pesados solo puedan ser atendidos por camiones.
- Tener en consideración la autonomía de vuelo del dron.
Además, aparece naturalmente otra decisión: el tamaño de la flota de drones y camiones. No es trivial balancear los costes y las ganancias en rapidez ni lo es tampoco cuantificar las implicaciones del sobredimensionamiento. Además, los aumentos en el tamaño de la flota se traducen en mayor complejidad en la coordinación drones-drones y drones-camiones; así mismo, se vuelven necesarios cálculos de la autonomía de cada dron más sofisticados teniendo en cuenta los tiempos de recogida y lanzamiento del resto de drones.
Afortunadamente, la literatura, la tecnología y la ciencia están preparadas para dar soluciones a este tipo de problemas mediante formulaciones del TSP (Travelling Salesman Problem) y del VRP (Vehicle Routing Planning) a las cuales se incorporan las restricciones pertinentes.
Como método para obtener soluciones exactas, destaca el uso de programación entera binaria. En este sentido, es particularmente interesante el uso de técnicas como el Branch-and-Bound o el Branch-and-Cut que aporta un importante ahorro en tiempo computacional; ambas técnicas consisten en dividir el problema y descartar subconjuntos en los cuales la optimalidad no se cumpla.
El inconveniente del enfoque anterior está en que para problemas de dimensiones reales la aplicación de métodos exactos deja de ser eficiente y resulta necesario recurrir a otras alternativas de resolución. Aquí entran en juego los heurísticos que permiten encontrar soluciones suficientemente buenas; pero sin garantías de optimalidad, a cambio de grandes ahorros de tiempo y de complejidad de cálculo. En este campo hay numerosas opciones; por ejemplo: el algoritmo Nearest Neighbor. Por último, en esta misma línea, está particularmente extendido el uso de metaheurísticas como Tabu Search.
¿Es una solución atractiva?
Como hemos querido ilustrar en líneas anteriores, planificar rutas asistidas por vehículos autónomos no es una tarea sencilla. Son muchos los requisitos que deben verificarse y esto lo convierte en una optimización más bien compleja. Sin embargo, muchas empresas continúan incursionándose en el uso de estas técnicas:
Amazon tiene su programa Prime Air de entregas por dron que continúa en desarrollo y que en 2016 realizó su primera entrega. Alibaba también ha diseñado su robot para entregas de conducción autónoma – Xiao Man Lv – que ha sido probado con éxito en universidades chinas. También se suma a la lista Carrefour que ha anunciado para 2022 un proyecto piloto de entregas con robots autónomos en Emiratos Árabes Unidos.
Incluso Domino’s Pizza ha lanzado ya entregas de pizzas con robots R2 diseñados por la startup Nuro, en Texas, EEUU.
El uso de vehículos autónomos promete grandes beneficios, principalmente en cuanto al aumento de rapidez de las entregas, las mejoras en el nivel de servicio y ahorro de costes que puede suponer; pero también mejoras en cuestiones como el real-time monitoring, la reducción de emisiones contaminantes, la descongestión de centros urbanos y, si se quiere, podríamos pensar en beneficios menos tangibles como el mero hecho de modernizar las ciudades.
Por todo lo anterior es de esperar que el listado de empresas participantes en proyectos pilotos continúe creciendo. Pero… hay aún bastantes cuestiones por resolver: direcciones incorrectas, ubicaciones remotas, ausencia del destinatario para recibir su paquete y pedidos devueltos son solo algunas de las potenciales situaciones que afectan los costes y sobre las cuáles es bastante complejo realizar una estimación. De igual manera se suman problemáticas relacionadas con la privacidad de los usuarios, las regulaciones del espacio aéreo y la destrucción de empleos. Respecto a esto último, abría el debate Bill Gates en 2017 ¿deberían los robots pagar impuestos?.
