Todas las compañías con operaciones de campo, incluyendo las empresas de servicios públicos, buscan crear las rutas más eficientes para que los miembros de sus unidades de trabajo atiendan a los clientes. Aunque no existe un algoritmo que pueda producir resultados totalmente optimizados, se han creado diferentes técnicas para desarrollar soluciones que podrían considerarse cercanas al óptimo que continúan mejorando con el paso de los años.
Debido a la frecuencia y a la naturaleza de las interacciones entre los proveedores de servicios y sus clientes, cada punto de contacto debe ser satisfactorio para éstos, mejorar sus experiencias y optimizar sus journeys. Un evento de servicio específico que debería convertirse en un “momento wow” para los clientes, tiene lugar cuando los técnicos visitan sus hogares para realizar actividades relacionadas con el servicio. Lograr una experiencia de este tipo es posible llevando a cabo acciones pequeñas, pero significativas, como enviar notificaciones proactivas o tiempos estimados de llegada más precisos. Por otra parte, estas acciones también facilitan la planeación y gestión de las operaciones de campo de la organización y dan como resultado un proceso más controlado y confiable.
Para llevar a cabo lo anterior, las empresas de servicios públicos han utilizado programas de enrutamiento que ahora pueden procesar mucha información, incluyendo la relacionada con el tráfico y los tipos de carreteras, junto con la carga de trabajo y la disponibilidad de los técnicos. Estos algoritmos han evolucionado con el tiempo volviéndose más inteligentes y eficientes al resolver varios problemas de enrutamiento que al principio eran sencillos. pero que con el tiempo fueron adquiriendo complejidad:
1. El problema del vendedor viajero[1]
En el siglo XIX, los matemáticos Sir William Rowan Hamilton y Thomas Penyngton Kirkman formularon el siguiente problema: “Si se tiene una lista de ciudades y las distancias entre cada par de ciudades, ¿cuál es la ruta más corta posible para visitar cada ciudad, exactamente una vez, y volver a la ciudad de origen?”. Aunque originalmente se definió como un problema para la industria de transporte de carga también puede aplicarse para resolver varios problemas de la industria de servicios públicos. En este caso, las ciudades representan las casas de los clientes, la ciudad de origen es el punto de partida de una unidad de trabajo, y esta unidad en particular debe visitar todas las casas. En la industria de transporte de carga, la solución fue encontrar la ruta más corta para visitar todas las ciudades. De igual manera, en la industria de servicios públicos, al encontrar la ruta más corta posible, se obtiene un camino casi optimizado que los técnicos deben seguir para llevar a cabo todos sus trabajos.
2. El problema de despacho de camiones[2]
Un siglo después, específicamente en 1959, George Dantzig y John Ramser formularon otro problema de enrutamiento: “¿Cuál es el conjunto óptimo de rutas que debe recorrer una flota de vehículos para atender a un conjunto determinado de clientes?” Propuesto como una generalización del problema anterior, puede aplicarse de forma similar en el sector de servicios públicos, pero con un mayor nivel de complejidad. En este caso, hay más casas que visitar y más técnicos disponibles para hacerlo. Por lo tanto, la optimización de la ruta se hace a mayor escala para que varias unidades visiten todas las casas y completen todos los trabajos pendientes.
3. El problema del enrutamiento de vehículos[3]
En 1964 Clarke y Wright extendieron el alcance del TDP. A partir de este momento, la evolución del enrutamiento realmente despegó. Más allá de los problemas formulados anteriormente, los problemas de enrutamiento de vehículos (VRPs, por sus siglas en inglés) tienen en cuenta la flota de vehículos y el número de órdenes de trabajo. Con esto se optimiza la ruta de cada vehículo para maximizar los recursos disponibles.
Los algoritmos VRP pueden definir rutas óptimas considerando varios factores que también representan diferentes oportunidades para las empresas de servicios públicos, como ayudar a las unidades de trabajo a estar más preparadas para ejecutar las órdenes de trabajo y llegar a tiempo a la ubicación de los clientes.
Existen diferentes alternativas que los algoritmos VRP ofrecen a los proveedores de servicios:
Imagen 1. Tipos de VRPs.
De acuerdo con la imagen 1, ¿qué ocurriría si una unidad necesitara recoger materiales para realizar un trabajo, sus visitas se organizaran en función de la disponibilidad de los clientes, y se crearan nuevas órdenes de trabajo después de que los técnicos estuvieran en el campo?
En este caso común, el MDVRP consideraría la recogida de los materiales, el VRPTW tendría en cuenta las ventanas de tiempo y el DVRP las nuevas órdenes. Cada tipo de VRP ofrece a las empresas de servicios públicos diferentes beneficios, como proporcionar a los técnicos el material adecuado para realizar actividades de campo específicas, permitir que las unidades lleguen a su destino a la hora adecuada y habilitar un desplazamiento más eficiente para cubrir todos los trabajos a realizar.
Por otra parte, un HVRP puede incluir las características de los vehículos en la optimización de la ruta. Los G-VRPs, por su parte, tienen en cuenta otros factores relevantes, como el tiempo de recarga de los vehículos eléctricos, con el fin de obtener rutas optimizadas para las unidades de trabajo. Estos VRPs dan a las empresas de servicios públicos más flexibilidad a la hora de elegir los tipos de vehículos que van a utilizar en su flota.
Niveles de precisión de las soluciones de enrutamiento
Aunque las soluciones a los problemas descritos anteriormente eran óptimas y eficientes, no tenían en cuenta la realidad de la carretera de un punto a otro. Por lo tanto, los algoritmos debían contar con entradas adicionales que dieran lugar a un modelo de mapa más factible para mejorar la precisión con la que la solución predice los tiempos estimados de llegada. Esta exactitud se representa en tres niveles de precisión disponibles para las organizaciones:
| Distancia a vuelo de pájaro | Enrutamiento a nivel de calle | Enrutamiento basado en el tiempo |
También conocida como distancia euclidiana, esta técnica proporciona el nivel más bajo de precisión, pues no tiene en cuenta obstáculos, como edificios o ríos, entre los destinos. |
Esta técnica produce mejores resultados que su contraparte euclidiana al considerar indicaciones paso a paso basadas en la información de las calles. |
Este es el método más preciso disponible en la actualidad. Tiene en cuenta la información sobre el tráfico, lo que permite que produzca tiempos estimados de llegada mucho más precisos. |
Enrutamiento inteligente
Entonces, ¿qué es exactamente el enrutamiento inteligente? Al final, se trata de producir las mejores rutas posibles con la solución VRP que mejor se adapte a las necesidades de la organización y de dotarlas del mayor nivel de precisión. Sin embargo, es importante tener en cuenta que una mayor precisión puede traducirse en una solución más costosa, sobre todo porque los vendedores de mapas que están en capacidad de ofrecer información sobre el tráfico suelen cobrar una cantidad superior cada vez que se requiere esta información.
Por lo tanto, depende de cada empresa de servicios públicos decidir el grado de precisión que desea para su operación. Cuando se trata de enrutamiento inteligente, los proveedores de servicios deben ser listos e ignorar los cantos de sirena de muchos vendedores que afirman ofrecer la mejor solución de enrutamiento. Para elegir entre las diferentes alternativas presentadas, las utilities deben considerar las necesidades de su empresa, el tamaño de su operación y el presupuesto que están dispuestas a destinar a la optimización de sus rutas.
[1] Traveling Salesman Problem (TSP)
[2] The Truck Dispatching Problem (TDP)
[3] The Vehicle Routing Problem (VRP)
