Diego Bozzano C.

Aquellos que trabajamos en la Industria del Transporte Carretero, hemos sido testigos de los constantes cambios que ha generado y que, hasta el día de hoy, continúa generando el GPS en el sector. Si antes nos parecía imposible conocer satelitalmente el paradero de nuestro equipo durante las 24 horas del día, hoy queremos agregarle cada vez más sensores al equipo, para obtener lecturas tan diversas como aperturas de puertas o rendimiento de combustible directamente desde el computador a bordo.

Así como la información básica del GPS (Ubicación, Velocidad y Sentido) puede ser transmitida en línea, estos equipos tienen la capacidad de transmitir muchísimos más datos. Ahora bien, si le sumamos la posibilidad de adquirir teléfonos móviles inteligentes (smartphones), ya tenemos la posibilidad de recibir en línea formularios completos, incluyendo un chequeo del vehículo, una auditoría de descarga, una evaluación en ruta, entre otras tantas herramientas de Control de Gestión. En este escenario, la pregunta es: ¿Qué hacemos con toda esta información?

Al día de hoy, la mayoría de las empresas la archiva eternamente, hasta que se vuelve un estorbo y pasa a la Papelera de Reciclaje. Otras, solo la utilizan para cumplir con ciertos procesos de auditoría, los cuales son periódicos, y entre esos eventos, simplemente es recolectada sin mayor funcionalidad.

En este sentido, la mayor funcionalidad que tienen hoy los datos transmitidos satelitalmente es reactiva: calculamos indicadores, generamos informes, investigamos accidentes, buscamos responsables… El objetivo es ir transformando toda esa información de reactiva en predictiva, y retroalimentar con ella a nuestras plataformas tecnológicas.

Cuando hablamos de trabajar predictivamente en el manejo de la Información, lo primero que debemos entender es la relevancia que la información tiene para una Operación de Transporte Terrestre. Como mencionamos, muchas veces simplemente dejamos pasar los datos sin ocuparlos; es necesario que le demos, tanto a la información como a su respaldo y análisis, una instancia en la que trabajemos con ella.

Para esto resulta importante la incorporación de personas capacitadas para el trabajo con bases de datos, pero que al mismo tiempo sepan darle el sentido logístico a la información. Este tipo de posición debe convertirse en una generación de información que establezca no solo procesos de trazabilidad, sino al mismo tiempo la posibilidad de generar modelos predictivos.

Los modelos predictivos son sumamente importantes, sobre todo en aquellos procesos que influyen sobre los costos más importantes de una empresa de transporte, como el costo de combustible, mantenimiento o neumáticos. El realizar una predicción del tiempo de vida útil de un camión, con la idea de definir el mejor momento para un cambio de equipo, es posible recolectando información sobre su funcionamiento.

El generar un algoritmo de información que incluya, por ejemplo, el consumo de combustible, la periodicidad de cambios de piezas y partes, el consumo de neumáticos, los cambios de aceite y la retroalimentación periódica de los conductores sobre el funcionamiento de un tracto camión, puede ayudarnos a determinar cuándo es el momento óptimo para su cambio o inclusive para darlo de baja.

Al mismo tiempo, el producir indicadores a través de la información de los viajes realizados, permite obtener los días y horarios más indicados para bajar la disponibilidad de flota y enviar los equipos a mantenimiento. También, cuando tenemos operaciones de distribución 24/7, estos datos son muy prácticos para establecer los horarios más indicados para realizar cambios de turno, o capacitaciones a conductores en aspectos de seguridad u otros.

Inclusive, el probar diferentes rutas durante un plazo estipulado de tiempo, para compararlas entre sí y definir, dependiendo del horario del viaje, la ruta más óptima a realizar. Toda esta información hoy en día está disponible, sin embargo, no la utilizamos.

Las conclusiones que generemos a raíz de la información recolectada y procesada, son demasiado importantes como para simplemente no aplicarlas. En muchos casos, cuando conlleven a decisiones de alto impacto, podremos realizar aplicaciones parciales de las mismas, pero bajo ningún punto de vista deberemos no intentar aplicarlas.

Esta aplicación se dará en diversas etapas del proceso de transporte; algunas en la etapa de Carga o Descarga, otras en la Etapa de la Planificación de los viajes, y gran parte de ellas deberán darse durante el viaje mismo. Por esto, es sumamente relevante poder aplicar tecnologías sobre el vehículo que permitan interactuar con el conductor, ya sea de forma verbal o a través de alarmas, entregándole información que le permita generar acciones proactivas que eviten desperdicios o, en algunos casos, accidentes.

Los conocidos “Acompañantes Electrónicos”, que hace un tiempo veíamos como un imposible, hoy ya se encuentran a valores más accesibles en el mercado chileno, y la parametrización de velocidades máximas a través de geocercas es algo habitual en nuestra industria. No obstante, su utilidad está más bien dada por razones de seguridad que por aspectos logísticos o de optimización de recursos.

Finalmente, un ejemplo muy interesante del modelo predictivo tiene que ver con el Ciclo Circadiano del sueño, a través del cual se puede medir y, posteriormente predecir, aquellos horarios en los que una persona tendrá un mayor nivel de fatiga y, por ende, mayor posibilidades de quedarse dormida, ya sea al volante o en cualquier otra situación. El estudio del Ciclo Circadiano de los conductores sirve sobre todo para analizar, dentro de un grupo de conductores, cuáles tienen mayor capacidad fisiológica para trabajar en horario nocturno sin presentar altos niveles de sueño, disminuyendo de esa manera la probabilidad de accidentes.