This video presents a case study on optimizing Malinalli's logistics chain, specifically focusing on Ronm Logistics. The presentation details the use of hybrid approaches, software tools (like LIN and BRP vehicle Problem solver in Excel, and Arena software), and a last-mile delivery methodology to improve route efficiency, reduce costs, and enhance customer satisfaction.
Route Optimization using LIN and BRP: The presenter utilized LIN methodology (focused on reducing non-value-added time) and the BRP vehicle Problem solver in Excel to optimize routes for Friday and Saturday deliveries. This resulted in significant reductions in travel time, distance, and cost.
Hybrid Route Strategy: Combining Friday and Saturday routes into a single hybrid route further improved efficiency, resulting in substantial annual cost savings.
Arena Software Simulation: The presenter proposes using Arena software for more comprehensive logistical simulation, incorporating additional variables (like loading/unloading times, traffic, and varying delivery quantities) for improved accuracy and flexibility in adapting to future changes (e.g., new branches).
Last-Mile Delivery Optimization: Implementing Arena software with a last-mile delivery methodology allows for optimizing the final delivery leg, considering urban constraints (traffic, time windows) and enhancing delivery sequence efficiency.
Measurable Results & Sustainability: The presentation highlights measurable improvements in time, distance, cost, and environmental impact (reduced fuel consumption due to shorter routes). The qualitative evaluation emphasizes the connection between reduced mileage and improved sustainability.
bien vamos a comenzar con la presentación de la evidencia Primeramente eh hablamos de que la primera propuesta ya elaborada fue un enfoque híbrido para optimizar la cadena de valor de precisamente la cadena logística de Malinali enfocado principalmente en Ronm Logistics que pues podemos comentar que Malinali ya operaba con un sistema similar Eh sin embargo en Ronm solamente se opera con un vehículo hay múltiples destinos y no obstante pues una vez que ya podemos aplicar herramientas de Link Logistics y un modelo 1000 pues pueden identificar algunas áreas de oportunidad Como lo comentamos una de las áreas bueno metodologías que podamos fue LIN que todo tiene como central bueno como foco principal reducir eh tiempos muertos tiempos que no agregan valor para reducir pues eh el time service ¿no otra herramienta que que ocupamos pues fue el BRP vehicle Problem que es un solver dentro de Excel que podemos utilizar para conocer cuáles son estas rutas y mapear estratégicamente eh cuáles son estos puntos y cuáles son las rutas más factibles ¿no con las variables principalmente bueno las variables que contemplamos pues f capacidad vehicular las ventanas horarias y las paradas fijas eh variables Esto pues minimiza tiempos costos y eh de distribución de una forma un poquito más objetiva Como les comentamos pues se utilizó el sobre completo complemento de Excel Esto nos resultó en tres rutas la una ruta A la ruta B que viene siendo respectivamente viernes y sábado y una función de las dos rutas para hacerlo uno solo día Los resultados principalmente nos afajaron lo siguiente Eh la ruta de viernes pasamos de un tiempo total de transporte de de 6 horas casi 7 a 4 horas Bajamos un poco el kilometraje de de 40.5 a 39.2 y pues el costo promedio bajó de 165 por a 159 ya que eh tomamos un consumo eh de combustible de alrededor de 4.08 km pesos por kilómetro la ruta del sábado De igual forma tenemos buenos resultados ya que pasamos de 3.08 a 2.13 horas en total de tiempo El distancia también bajamos de 32.2 a 30.65 y el costo bajó de 131 a 152 digo 131 a 125 perdón Y pues finalmente también tenemos la fusión de las dos rutas ¿no que el tiempo total van a ser de 6 horas y la distancia de 61 km Como les comentábamos pues la ruta del del día viernes eh pues parte de una diferencia de de 1.38 km Multiplicando esta diferencia por las 52 semanas obtiene un total de de 71.76 km anuales de ganancia y finalmente esto al multiplicarlo por el costo de combustible nos da una ganancia un ahorro neto de 292 pes del ahorro anual y prácticamente esto viene siendo la simulación del solver Pasamos a los resultados de la parte B donde la diferencia es de 1.55 km Al multiplicarlo justamente por las 252 semanas del año se obtiene que se reducen 80.6 km anuales Multiplicando por el costo de gasolina nos queda un ahorro de 328 pesos a anuales Y esto vendría siendo la simulación Finalmente la más importante uno de los aportes más importantes fue fusionar estas dos rutas a una ruta híbrida donde pues la ruta híbrida ya nos arroja una diferencia de 10.86 km lográndolo en una sola en un solo en un solo día eh toda la distribución Eh esto multiplicándola por 52 semanas nos da 564.72 72 km menos y multiplicándolo justamente por nuestro factor de de conversión de kilómetro y peso pues viene siendo un ahorro anual de 2,300 5 pesos Y pues bien el resultado final de estas rutas pues viene siendo esta Ahora pasamos a lo más importante Conocemos que el objetivo principal de una cadena de suministro o de una ruta de una cadena de un plan de de logística pues es la satisfacción del cliente al entregar un producto correcto en la calidad correcta el costo correcto en el lugar correcto a la hora correcta en la cantidad correcta y en el punto correcto ¿no al cliente correcto perdón ¿Cuál es nuestra propuesta justamente se trata de proponer y utilizar el software arena para tratar de simular un mayor número de variables que es algo más real del proceso logístico incluyendo tanto los procesos de tiempo asociados como es el objetivo como lo es eh pues el tiempo de carga y descarga Y el objetivo principal es mejorar esta trazabilidad del recorrido logístico mediante un modelo un poquito más efectivo y ajustable Este modelo considera justamente elementos clavec como el transporte de camión y las partes específicas de cada sucursal Eh y una vez que podemos incorporar en una mayor cantidad de variables tenemos una simulación un poco más certera de lo que puede ser además de que tenemos esta mayor flexibilidad para poder agregar nuevosales y conocer cuál es el tiempo estimado y y conocer si vamos a cumplir realmente con nuestra eh demanda ¿no justamente también eh lo que podemos hacer es implementar lo que vendría siendo el software Arena con la metodología de última milla y generar pues una simulación eh de estas propuestas basadas en una metodología de última milla lo que implica considerar pues el último tramo como de del recorrido que es como el más crítico sin embargo es de lo más importante ya que esto nos ayuda a optimizar la secuencia de entregas considerando restricciones urbanas como el horario tráfico variables que también se pueden colocar en software arena eh milizar los tiempos de servicio Espera también en tiempo y sucursales Esos tiempos de espera también se pueden colocar en el software Vanar la carga útil por viaje para reducir viajes necesarios También se puede colocar una entidad que se cargue y descargue dentro del software y pues flexibilidad del modelo para permitir reconfiguración rápida de ruta si hay cambios justamente esto si es que eh Malinali decide tener una nueva eh sucursal pues sin problema puede agregar la simulación y conocer realmente cuál es eh pues este proceso en el cual ellos pueden ver si van a cumplir con la demanda si van a cumplir en los tiempos establecidos de una manera más rápida y un poquito más eficiente Y bien este sería como el resultado de una del justamente de la simulación del del viernes en donde pues podemos tomar en cuenta justamente todas los puntos el tiempo del tiempo de entrega eh de descarga y sin embargo pues se le pueden agregar eh todas estas variables que comentaba como lo son el tiempo de descarga el tiempo por tráfico la entidad para saber cuántos kilos se bajan en cada ruta y saber si el la capacidad máxima del camión nos da para poder satisfacer a toda la ruta completa ¿no algunos de los resultados medibles que nos da el software aparte del informe específicamente son estos ¿no minutos en cada bueno los minutos del transporte los kilómetros así como el tiempo sucursal para poder también saber el tiempo total en horas y pues el costo por ruta tomando en cuenta un promedio de 5.8 km por llitro y tomando también en cuenta pues que sería eh un promedio de 63.29 pesos por litro Entonces el costo por ruta para el viernes en este caso sería de 165es Pues bien para hablar eh de la de la evaluación cuadiva cualitativa tanto con la sustentabilidad pues sabemos de que está relativamente muy relacionado pues con la parte de entre más eh lejos esté entre más recorrido y necesario haga pues más voy a contaminar ¿no entonces eh justamente se va a reducir los kilómetros y los costos mejora el uso de los vehículos y tiene menor campo menor impacto ambiental Eh los beneficios principales pues es una mayor precisión de la planificación de las rutas urbanas flexibilidad para integrar nuevas sucursales la reducción de riesgos logísticos en la zonas sensibles además pues podemos hacer un plan ya para implementarlo donde diagnosticamos la situación actual Eh optimizamos con el server después hacemos la simulación validamos con datos reales implementamos todo por fases para tomar en cuenta cuáles son todas estas variables que se tienen que integrar dentro de la simulación y pues hacemos una revisión con el socio formador para también conocer si cumplimos con sus necesidades Y me parece que sería todo Muchas gracias M
