Gestionar una flota de vehículos en un mundo tan impredecible como en el que nos encontramos no es una tarea sencilla. Quienes trabajan en logística tienen la dificultosa tarea de planificar recorridos eficientes con los recursos que disponen para cumplir con los objetivos propuestos por los directivos de la empresa.
Para llevar a cabo esta tarea se deben trabajar sobre distintos indicadores que brindarán información valiosa. Cuanto más precisos sea la fuente de datos que nutre a los indicadores, mejor se podrá planificar el recorrido que debe realizar la flota.
En la logística el tiempo es un dato indispensable. Si una empresa se compromete a entregar un paquete en un tiempo determinado y no lo cumple, no solo puede recibir multas sino que también decepcionará al consumidor, generando en su mente una imagen negativa de la marca.
Uno de los indicadores más importantes en la planificación logística es el Estimated Time of Arribal. También conocido como ETA, hace referencia al tiempo de demora que se estima que un vehículo tardará en llegar a su destino. Este dato es sumamente relevante en las tareas logísticas ya que tenerlo bien calculado contribuirá a que los clientes cuenten con información precisa sobre el horario en que su entrega estará llegando al destino final.
Aproximadamente un 50% de los gerentes de logística aseguran que deben invertir más en su capacidad de predecir el ETA ya que existen muchos factores que lo pueden afectar como el estado del tránsito, el horario de apertura y cierre de las ubicaciones, las habilidades del conductor, el clima, etc.
Afortunadamente, recientes avances tecnológicos han logrado mejorar la precisión en la predicción de los tiempos de arribo. A continuación, veremos algunas formas para mejorar el grado de asertividad esta estimación:
-
Mejorar la visibilidad en tiempo real:
Para mejorar la precisión del ETA es importante mantenerse actualizado de los cambios de la red de transporte en tiempo real. Hoy en día existen plataformas de cartografía digital como Here Mapas que son capaces de identificar cambios en el mapa y eventos en las rutas que afectan al flujo normal del tráfico.
Tener visibilidad de estas eventualidades le permite a los administradores de la flota actuar rápidamente para mantener actualizado el ETA y evaluar rutas alternativas para mejorar el tiempo de arribo.
-
Mejorar el algoritmo:
La calidad del algoritmo que planifica el recorrido de la flota tiene una gran influencia en la predicción del ETA. Como no todos los algoritmos funcionan de la misma manera, es recomendable invertir en una plataforma de calidad cuyo algoritmo sea lo más preciso posible.
Una herramienta recomendada es Here Routing API ya que se alimenta de información específica de ruta de camiones y tiene en cuenta el tipo de camión, la capacidad de carga, los tiempos de demora en los peajes y viajes en ferry. Además, tiene la capacidad de estimar tiempos de viaje considerando accidentes de tráfico.
Quienes ya han implementado esta herramienta en América del Norte y Europa para mejorar el rendimiento de la API de enrutamiento de HERE aseguran que la precisión del ETA mejoró entre un 30% y un 40%.
-
Habilitar precisión de extremo a extremo:
Para obtener un ETA certero es necesario considerar todos los trayectos del viaje, no solo aquellos comprendidos en una determinada zona. En la aplicación de Here se pueden crear mapas propios colocando preferencias de rutas que cruzan terrenos privados con precisión de ETA. Esto puede ser muy útil para las empresas que quieren que sus camiones entren y salgan del centro de logística por determinada ruta.
-
Crear modelos de ‘‘rollo’’:
Los datos propios combinados con la lógica comercial de una empresa pueden ser útiles para la predicción del ETA de una manera diferente. Si por ejemplo, los datos de un recorrido son enviados al celular de un gerente de logística, él podrá comprender mejor el comportamiento de sus flotas conociendo las paradas que se realizan y cuánto tiempo se demora en cada una.
La aplicación de Here almacena toda esta información de las paradas para desarrollar modelos predictivos más precisos de ETA.
-
Considerar los perfiles de ETA específicos de la flota
Otro beneficio de tener un modelo automático que tome datos de GPS es que puede desarrollar predicciones de ETA más personalizadas.
HERE está desarrollando actualmente una función experimental que permite crear perfiles de ETA personalizados en función del contexto geográfico y de conducción.
Pues una pequeña camioneta que circula en Seattle se comportará de una manera muy diferente que un gran camión en Londres.
Las primeras pruebas realizadas de este nuevo desarrollo han arrojado resultados muy alentadores, con mejoras en la predicción del ETA entre un 10% y 20%.
Somos Marker, especialistas en localización inteligente. Si te interesa saber más sobre Here y cómo hacer tu negocio más productivo con tecnologías de mapeo no dudes en agendar una reunión con nosotros.