En los últimos años, los cambios en el modelo de consumo han provocado un incremento en el tráfico y la contaminación. Se estima que en una ciudad como Madrid en torno al 20% del tráfico y el 30% de la contaminación se deben al transporte de mercancías.

La nueva Ley de Cambio Climático, con el objetivo de hacer ciudades más sostenibles, establece que todos los municipios de más de 50.000 habitantes (y los de más de 20.000 habitantes con calidad del aire deficiente) deberán tener una Zona de Bajas Emisiones en 2023. Esto afecta directamente a los sistemas de reparto de mercancías dentro de las ciudades.
Por ello, como ya comentamos en nuestro post anterior de «Proyecto MicroHubs conectados«, se hace necesario desarrollar soluciones sostenibles que permitan un reparto de última milla sostenible sin perder de vista la rentabilidad ni la calidad del servicio.

Modelo de gestión, de operación y tecnológico para los microhubs urbanos en la ciudad de Madrid

Como ya mencionamos, desde PiperLab participamos en una iniciativa que tenía como objetivo el desarrollo de un modelo de gestión, de operación y tecnológico para los microhubs urbanos en la ciudad de Madrid, además de la identificación de la ubicación óptima de éstos utilizando inteligencia artificial.

La evolución de este proyecto ha consistido en aterrizar todo lo desarrollado previamente para hacer una prueba piloto de la operativa de estos microhubs urbanos en Madrid. Desde la asignación de un paquete a un microhub concreto, pasando por el tratamiento, hasta la asignación de un vehículo concreto de reparto.

En este marco, desde PiperLab nos hemos encargado de nuevo de la Inteligencia artificial necesaria para organizar la operativa de los microhubs, tanto para establecer el funcionamiento de la red base de microhubs, como para adaptar la operativa de estos microhubs a las necesidades puntuales.

Partiendo de la red base de microhubs definida en la primera parte del proyecto, el sistema desarrollado tiene dos funcionalidades principales:

  • Distribuye la mercancía diaria de todos los agentes entre los distintos microhubs adaptándose a las circunstancias específicas de cada momento (como picos de demanda, festivos, eventos que afecten al tráfico, etc).
  • Define cómo se debe repartir esta mercancía entre los distintos vehículos de cada microhub y qué rutas deben seguir.

Para ello, hemos generado dos módulos:

  • Por un lado, hemos calculado la ruta que deben seguir los distintos vehículos que salen de cada microhub definiendo las paradas y los bultos que deben dejar en cada parada.
  • Y por otro lado, hemos desarrollado un algoritmo que permite redistribuir la mercancía de los distintos agentes en función de las necesidades específicas de cada día sobre la red base calculada precalculada.

Gracias a la optimización de las rutas de reparto que sigue cada vehículo de hub, se reduce el número de vehículos necesarios en cada hub, se sustituyen en muchos casos por vehículos menos contaminantes y se optimiza el reparto de carga entre ellos. Se estima que se podrán conseguir de hasta un 30% en el número de vehículos necesarios para cubrir los flujos actuales de mercancías en la ciudad de Madrid y una reducción de hasta un 50% de las emisiones de CO2. La determinación de la red base de microhubs óptima permite planificar las cargas y aumentar la capacidad de ocupación de éstos. Se estima que se puede conseguir una reducción de en torno al 40% de los vehículos que llegan a los microhubs desde los centros de consolidación (situados a las afueras de la ciudad).

Categories: Industria/Logística /