Optimització de rutes: −18 % de combustible

El combustible representa entre el 30 % i el 40 % del cost operatiu d’una flota de repartiment a Espanya. I la majoria de flotes el gestionen amb dues eines: Google Maps quan hi ha temps i «el de sempre» quan no n’hi ha. El resultat és un forat mensual que poques vegades es quantifica.

En aquest article expliquem com l’optimització de rutes amb IA redueix típicament entre un 15 % i un 20 % el consum de combustible, quins factors té en compte l’algorisme més enllà dels quilòmetres i quin ROI cal esperar en una flota real de 50 furgonetes.

Per què un algorisme supera el planificador humà

Un bon planificador de rutes amb 20 anys d’experiència té tres limitacions operatives davant d’un algorisme d’IA:

1. Capacitat cognitiva: no pot processar simultàniament 50 furgonetes, 600 parades i 200 restriccions canviants.
2. Memòria històrica: no recorda el temps mitjà de càrrega real al client 1.234 els dimarts a les 11:00.
3. Adaptació en temps real: quan un tècnic s’endarrereix 40 minuts, no pot recalcular en segons la resta de parades del dia.

La IA fa exactament aquestes tres coses alhora, cada cinc minuts, sobre tota la flota. El planificador humà queda alliberat per gestionar les excepcions, no les rutines.

Quins factors té en compte un algorisme de rutes amb IA

Una optimització seriosa va molt més enllà de la «ruta més curta entre A i B». Els factors que pondera són:

Dades del mateix vehicle

• Tipus de vehicle (furgoneta lleugera, camió rígid, articulat).
• Restriccions d’alçada, pes i MMA.
• Consum mitjà per tipus de conducció.
• Estat de la bateria i nivell de combustible actuals.

Dades del trajecte

• Trànsit històric per franja horària i dia de la setmana.
• Trànsit en temps real (incidències, obres, accidents).
• Meteorologia prevista (pluja intensa, vent, neu).
• Restriccions temporals (ZBE, carrers de vianants per hores, talls per esdeveniments).

Dades del client o de la parada

• Franja horària compromesa amb el client.
• Temps mitjà històric de càrrega/descàrrega en aquell client.
• Prioritat operativa (client prèmium, parada amb SLA).
• Necessitat d’equip específic (plataforma elevadora, fred).

Dades del conductor

• Temps de conducció acumulat (compliment de la normativa 561/2006).
• Temps de pausa pendent.
• Habilitats específiques (permís C+E, ADR).

La combinació de tot això produeix una ruta que no és la més curta en quilòmetres, però sí la més rendible en euros i la més realista en temps de compliment.

Cas real: flota de 50 furgonetes de repartiment urbà

Dades d’una operació real anonimitzada — empresa de repartiment de paqueteria B2B en zona metropolitana, 50 furgonetes Renault Master 3,5 t i similars, 600-700 parades al dia.

Punt de partida (abans d’implantar la IA)

• Consum mitjà: 8,2 l/100 km.
• Serveis completats/dia per furgoneta: 14.
• Durada mitjana de la jornada: 9 hores i 20 minuts.
• Parades fora de la franja horària: 18 % del total.
• Cost mensual de combustible: 41.000 €.

Després de 6 mesos amb optimització de rutes amb IA

• Consum mitjà: 6,7 l/100 km (-18 %).
• Serveis completats/dia per furgoneta: 15,7 (+12 %).
• Durada mitjana de la jornada: 8 hores i 45 minuts (-6 %).
• Parades fora de la franja horària: 7 % (-61 % relatiu).
• Cost mensual de combustible: 33.620 € (estalvi de 7.380 €/mes).

Càlcul del retorn

• Estalvi de combustible en 12 mesos: 88.560 €.
• Estalvi d’hores extres per jornades més curtes: 22.000 €.
• Serveis extra facturables: +12 % de capacitat sense ampliar la plantilla.
• Inversió en maquinari + subscripció per a 50 vehicles a 12 mesos: al voltant de 18.000 € estimats.
• Retorn net el primer any: superior a 90.000 €, sense comptar el valor de la capacitat addicional.

Com s’implanta sense aturar l’operativa

Una preocupació legítima en canviar de sistema de planificació de rutes és no voler aturar l’operació. El pla realista és:

1. Instal·lació del maquinari en una primera onada de 5-10 vehicles pilot (15-40 minuts per vehicle).
2. Dues setmanes de telemetria base sense alterar l’operativa: l’algorisme aprèn els temps reals.
3. Activació progressiva de l’optimització a l’onada pilot, ajustant els llindars amb el responsable de flota.
4. Desplegament a la resta de vehicles un cop validat el patró pilot, en onades setmanals.
5. Revisió mensual de l’estalvi real davant del baseline i ajust de la configuració.

L’operativa no s’atura mai. La integració amb el sistema de comandes del client (ERP, TMS, Excel amb API) se sol fer en paral·lel durant les fases 2-3.

Errors habituals que destrueixen el ROI

Encara que l’algorisme sigui bo, hi ha tres errors operatius que poden fer malbé l’estalvi:

• No actualitzar els temps reals de càrrega a cada client i deixar els valors per defecte del sistema. La precisió de l’algorisme cau a la meitat.
• Permetre que els conductors ignorin la ruta proposada sense explicar la decisió. Sense feedback, el sistema no aprèn.
• No mesurar correctament el baseline previ: si no saps què consumies abans, no pots demostrar l’estalvi.

Un bon proveïdor t’ajuda a evitar-los des del principi. Si no ho fa, està venent programari, no resultats.

Beneficis secundaris menys visibles

Més enllà del combustible, una optimització seriosa aporta efectes col·laterals que l’operació valora:

• Reducció de l’estrès de l’equip: jornades més previsibles, menys urgències inesperades.
• Millor compliment de les franges horàries del client: menys queixes, millor NPS.
• Reducció del CO₂ emès per quilòmetre recorregut: un argument cada vegada més present en licitacions i RFP.
• Visibilitat real per al gerent del que passa cada dia sense haver de preguntar.

Aquests efectes no apareixen directament al compte d’explotació, però solen ser el motiu pel qual la direcció renova el contracte als 18 mesos.

Conclusió

L’optimització de rutes amb IA és una de les palanques de ROI més mesurables i ràpides en una flota de repartiment: estalvis típics del 15-20 % en combustible, +10-15 % de capacitat operativa sense ampliar la plantilla i una reducció significativa de les parades fora de la franja horària. Una flota de 50 furgonetes pot recuperar la inversió total del primer any en menys de 4 mesos.

La condició és disposar del maquinari adequat, d’un programari amb algorismes d’IA reals (no regles estàtiques) i de disciplina operativa per alimentar el sistema amb dades netes. També ho expliquem des de la perspectiva de la pime a programari de gestió de flotes per a pimes i des de les capacitats tècniques a capacitats d’IA de Trackia.

Vols que calculem quant combustible estalviaria la teva flota? Demana una estimació personalitzada →

En menys de 24 hores t’entreguem una projecció d’estalvi a 12 mesos basada en el teu sector, la teva mida i el teu patró d’operació, sense compromís. Si diriges una pime amb flota comercial, també et pot interessar la nostra pàgina del sector pimes.