Optimización de ruteo multimarcas de productos para reponedores de supermercados

Abstract

Según América Económica se mueven aproximadamente 10.000 millones de dólares al año en ventas en supermercados en Chile, y para cada cliente de ellos esta interesados que esté disponible el/los productos que necesitan, ya sea para comer, hacer aseo o simplemente para tener a disposición el producto y marca que se pudiera necesitar. Es aquí donde una actividad primordial actúa, la reposición, la cual cada trabajador, mayoritariamente de la propia marca del producto, dedica su jornada laboral para mover estos productos desde la bodega hasta las góndolas para poder ser comercializadas, esta actividad en la mayoría de los casos se produce en las mismas horas en la que la persona está comprando, por lo que es aquí en donde esta tesis busca intervenir. Con el objetivo tanto de resolver el problema del orden la reposición, como para ayudar a las personas anteriormente descritas como para darle solución a la problemática de los supermercados, este documento busca priorizar ciertos productos de múltiples marcas a la hora de colocarlos en las góndolas, todo esto con herramientas de machine learning combinadas con optimización, con el objetivo de maximizar las ventas de los productos que se repondrán. Usando diferentes modelos de predicción, se buscó adelantarse a las ventas que ocurrirán por hora durante el día, de tal manera que este dato fuera usado en un modelo de optimización que vaya cambiando su función objetivo a través del tiempo, buscando simular que, si se repone antes de que una cliente llegue con intenciones de comprarlo, el supermercado obtendrá la ganancia de haber vendido ese producto. De esta manera, se realizaron distintas pruebas, con el objetivo de testear diferentes versiones del modelo de optimización buscando ser lo más cercano a la realidad para finalmente poner el modelo a prueba en una situación real, reponiendo productos de diferentes marcas en el Santa Isabel de Av. Grecia en la Región Metropolitana.