Cálculo intradiario de flota para la industria del delivery mediante un enfoque estocástico

Abstract

En la industria del reparto de comida a domicilio, disponer de una metodología de planificación robusta es clave para asegurar niveles adecuados de servicio y eficiencia operativa. En los últimos años, las plataformas de entrega a demanda han ganado presencia en los centros urbanos de América Latina y el mundo, integrándose como un canal habitual para acceder a bienes y servicios. Este fenómeno, impulsado por el crecimiento del comercio electrónico y los cambios en los hábitos de consumo, ha transformado los patrones logísticos tradicionales e intensificado la presión sobre los sistemas de planificación operativa. Una planificación subóptima en este contexto puede derivar rápidamente en tiempos de espera prolongados, costos operativos excesivos y una consecuente pérdida de clientes. Frente a este escenario, esta tesis desarrolla un modelo estocástico de planificación intradiaria basado en teoría de colas y simulación discreta de eventos. A diferencia del método heurístico tradicional, que estima la dotación de flota a partir de tasas promedio, el enfoque propuesto incorpora explícitamente la incertidumbre del sistema. Utilizando simulaciones calibradas con datos históricos, se implementa un optimizador secuencial que determina, para cada intervalo de tiempo, la dotación de flota que minimiza el tiempo de espera, penalizando simultáneamente las desviaciones respecto al valor objetivo de la tasa de utilización (UTR). El modelo fue evaluado en tres escenarios definidos por su rango de exploración y penalización al desvío del UTR. En todos los casos, la demanda fue completamente atendida por ambas configuraciones (heurística y optimizada), con niveles similares de rendimiento. Sin embargo, el modelo optimizado mostró una mejor alineación con el UTR objetivo y redujo el tiempo de espera en tramos críticos, especialmente cuando contaba con mayor flexibilidad de búsqueda. Cuando las restricciones eran más estrictas, las mejoras fueron menores y el modelo tendió a validar la configuración heurística. Esta investigación contribuye al desarrollo de una herramienta más realista y adaptable para la planificación logística urbana, destacando el potencial de calibrar los hiperparámetros del modelo de forma dinámica según el momento del día y las condiciones de operación. Finalmente, se discuten posibles líneas futuras de mejora, incluyendo reglas adaptativas de penalización y la extensión hacia esquemas de planificación en tiempo real que permitan anticiparse con mayor eficacia a situaciones imprevistas.