O desafio

O desafio da Solistica e da Coca-Cola FEMSA, dentro de seus projetos estratégicos conjuntos, era implementar um modelo de Machine Learning voltado para as operações logísticas. Uma área sensível e com grande possibilidade de retorno do investimento é na otimização de alocação de veículos para distribuição dos produtos.

Buscaram então uma plataforma que resolvesse o problema de atribuir veículos às demandas da FEMSA, pensando nos transportes necessários para cobrir a necessidade de entrega e levando em consideração variáveis como localização em tempo real, status de ocupação, deslocamento, janela de serviço no ponto de carga e descarga, capacidade e status do tráfego.

Para as áreas de planejamento de abastecimento, programação de frota e expedição foi utilizado um método automático de cálculo online: a execução da solução é feita por meio de tarefas programadas, com base em eventos da operação integrados a partir do TMS (Sistema de Gestão de Transportes).

Atualmente, o processo de planejamento é realizado estaticamente, pois não há variáveis de localização, tempos e execução em tempo real, isso é feito em um período aproximado de 5 a 10 horas.

  

A solução

Foi utilizada uma solução SaaS (Software as a Service), ou seja, soluções de tecnologia por meio da internet, sem necessidade de instalar, manter e atualizar hardwares ou softwares, bastando conexão com a internet. Neste caso, foi implementada uma página web para realizar configurações, administrar a operação, com o controle e a visualização de todo o processo, além de aplicativo móvel para os motoristas e repositórios de dados e dashboards de controle na nuvem do Google Cloud, que permite extrair, transformar, armazenar, processar e analisar as entradas necessárias.

Foram desenvolvidos componentes para incluir as variáveis necessárias na solução:

– Integração com o Sistema de Gestão de Transporte da Solistica, informando as solicitações de viagens e fornecendo as condições (horário, local, capacidade) de cada uma das ordens de serviço (viagens) solicitadas.

– Conhecimento das coordenadas de localização em tempo real de cada um dos veículos disponíveis para atender a demanda:

  • Integração com HUB GPS fornecedores de veículos em campo, esses dados em tempo real são atualizados a cada 30 segundos e está hospedado no Google Cloud Storage.
  • Desenvolvimento de aplicativos móveis para motoristas com provedor de GPS eu não permite integração ao HUB, com base na geolocalização do dispositivo.
  • Georreferenciamento da origem dos depósitos – destino da operação.

– Informação em tempo real da capacidade, status e configuração da frota:

  • Capacidade do veículo disponível em diferentes dimensões, como peso (kg/ton), volume (cm3/mt3) e/ou unidades de embalagem.
  • Configuração de equipamentos como reboques e vans em termos de estrutura e layout de carregamento de mercadorias.
  • Disponibilidade de acordo com os documentos de carga gerados no momento da atribuição das ordens de serviço.
  • Controle de documentos que permitem a execução do transporte – SOAT, cartão de operação, revisão tecno mecânica, condições de reboques e vans, carteira de motorista e certificados.

– Base de dados que determinam as restrições de horários, períodos de espera, horas de trabalho e segmentos de estrada:

  • Janela de serviço de expedição e recepção para cada um dos armazéns, operação de carga e descarga.
  • Dias úteis das tripulações.
  • Restrições de mobilidade em horários estabelecidos pelas entidades competentes.

– Uso de inteligência de componentes como, API’s do Google Maps em conjunto com um modelo de Machine Learning, integrando todas as variáveis previamente estabelecidas para determinar qual é o recurso e equipamento adequados para atender a demanda emitida pelo gerador de carga (Coca Cola FEMSA).

 

O resultado

Os resultados foram satisfatoriamente alcançados, entre eles:

  • Planejamento e atribuição massiva de veículos em menos de 1 hora com múltiplas variáveis em tempo real.
  • Planejamento e atribuição um a um em menos de 5 minutos das viagens solicitadas.
  • Disponibilidade para gerar replanejamento durante o processo, levando em consideração eventos esporádicos da operação (ausência de veículos, acidentes, problemas de mobilidade).
  • Repositórios de dados para criação de dashboards, baseados em métricas e indicadores próprios.
  • Cumprimento das janelas de atendimento na origem e no destino, reduzindo em 8% ociosidade dos veículos e tripulações, garantindo rentabilidade e eficácia na cadeia de suprimentos.
  • Controle da execução das viagens atribuídas, sem necessidade de recorrer a chamadas telefônicas ou mensagens de texto que podem distrair ou interferir na condução do motorista.

Com a implementação de Machine Learning, agora é possível informar o cliente (Coca Cola Femsa) e o fornecedor da carga (Solistica) o status atual da operação em tempo real para tomar as decisões corretas.

Se sua empresa busca soluções para seus desafios logísticos, converse com a ServiBrasil para levar inteligência estratégica para seu negócio. A ServiBrasil é líder na América Latina no desenvolvimento de soluções que utilizam localização inteligente e análise de dados, com tecnologias inovadoras que transformam, geram valor e apoiam a tomada de decisão de negócios. É também uma empresa Google Partner One, com suporte abrangente, engenheiro especializado, canal de atendimento dedicado, disponibilidade 24 horas diariamente, além de todas as certificações necessárias para aproveitar as vantagens da tecnologia e transformar positivamente seus clientes.