¿Qué es?
Un motor de tres capas que piensa con LIPU, no por LIPU.
El modelo no reemplaza al planificador. Le entrega la mejor recomendación con su justificación, su puntaje y su trazabilidad.
El usuario aprueba, ajusta o rechaza. Cada decisión retroalimenta al motor.
Tres capas trabajando juntas: Solver resuelve el rompecabezas lógico, ML de Optimización refina los datos de entrada con la realidad observada y Learning Continuo calibra preferencias con cada decisión del planificador.
El problema
La planeación de viajes hoy depende de la experiencia individual. Y eso no escala.
Cuatro brechas estructurales que ralentizan, encarecen y vuelven opaca la planificación. El modelo las cierra con datos integrados, reglas configurables y trazabilidad permanente.
Información dispersa entre sistemas
Salesforce, Odoo, Traffilog y MMS no hablan el mismo idioma. Cada planeación arranca con reconciliación manual entre fuentes.
Conocimiento concentrado en personas
Cuando el planificador experto está fuera, la operación se ralentiza. La calidad de la asignación depende de quién esté de turno.
Kilómetros en vacío que nadie audita
Sin optimización sistemática, los desplazamientos antes, entre y después de los servicios acumulan costo invisible servicio tras servicio.
Sin trazabilidad del "por qué"
Cada asignación se toma con base en criterio individual. No queda documentado por qué se eligió ese binomio ni qué se descartó.
La solución
Tres capas. Un motor. Una decisión asistida.
El modelo no reemplaza al planificador. Le entrega la mejor recomendación con su justificación, su puntaje y su trazabilidad. El usuario aprueba, ajusta o rechaza. Cada decisión retroalimenta al motor.
Solver (Heurístico)
Resuelve el rompecabezas lógico de la asignación. Aplica reglas duras del cliente, disponibilidad real y compatibilidades servicio–servicio.
ML de Optimización
Refina los datos de entrada antes de que entren al solver. Ajusta tiempos de traslado estimados con la realidad observada de la operación.
Learning Continuo
Analiza qué recomendaciones acepta o rechaza el planificador. Calibra automáticamente las preferencias del modelo con el tiempo.
Cómo opera
El motor en flujo continuo.
Datos integrados, validación de reglas, recomendación con puntaje y aprendizaje permanente. Esta es la lógica detrás de cada asignación que el modelo propone.
Solver heurístico
Resuelve el problema combinatorio en segundos. Aplica reglas duras y produce las opciones factibles.
- Disponibilidad real de unidades y operadores
- Compatibilidades servicio–servicio
- Reglas duras por cliente
ML de optimización
Aprende de la realidad observada. Ajusta tiempos de traslado y restricciones antes de que el solver opere.
- Telemetría histórica de operación
- Tiempos reales vs. estimados
- Patrones de tráfico por zona y hora
Learning continuo
Aprende de cada decisión del planificador. Calibra preferencias y mejora la recomendación con el tiempo.
- Decisiones aceptadas, ajustadas y rechazadas
- Resultados operativos (puntualidad, incidencias)
- Calibración trimestre a trimestre
Qué hace
9 capacidades en 4 dominios.
Entrada y validación, lógica y reglas, recomendación y trazabilidad, aprendizaje. Cuatro dominios que cubren el ciclo completo del motor.
Entrada y validación
2 capacidades para cargar servicios y validar disponibilidad sin carga administrativa.
Registro individual y masivo de servicios
Carga uno o miles de servicios estandarizados. El modelo escala sin sumar carga administrativa.
Evaluación automática de disponibilidad y restricciones
Valida licencias, score requerido, experiencia mínima, mantenimientos y compatibilidades en segundo plano.
Lógica y reglas
3 capacidades para configurar reglas, evaluar secuencias y optimizar el binomio.
Reglas configurables por cliente
Ventanas de servicio, wait/buffer time, requisitos AC/GPS/manifiesto, continuidad del operador, tiempos máximos de espera. Ajustables desde el MMS sin desarrollo adicional.
Evaluación de secuencias y continuidad
Analiza servicios consecutivos, tiempos máximos entre servicios y compatibilidad servicio–servicio para asegurar coherencia operativa.
Optimización del binomio operador–unidad
Considera horas trabajadas, licencias, perfil histórico, ubicación, telemetría y estado de mantenimiento para minimizar costos y riesgos.
Recomendación y trazabilidad
3 capacidades para proponer con puntaje, decidir con control y dejar rastro completo.
Recomendación con puntaje y justificación
Cada propuesta llega con un score y la explicación de por qué se eligió esa combinación.
Aprobación, ajuste o rechazo manual
La decisión final siempre es humana. El modelo asiste; no decide solo.
Trazabilidad de cada decisión
Registro completo: qué propuso el modelo, qué hizo el usuario, qué pasó después en operación.
Aprendizaje
1 capacidad que cierra el ciclo y mejora al modelo trimestre a trimestre.
Retroalimentación continua
Cada quincena el modelo recomienda mejor que la anterior. El histórico operativo (puntualidad, incidencias, km vacíos) alimenta la calibración.
Beneficios por audiencia
Cada nivel de la organización gana algo distinto.
De dirección a planeación, el modelo entrega escalabilidad, ahorro medible y recomendación asistida — sin sacrificar el control humano.
Dirección · LIPU + TRAXION
Escalabilidad sin crecimiento administrativo.
- Más servicios planificados con el mismo equipo. Aplicable transversalmente a LIPU, Mesa, Setter y Sotter sin desarrollo adicional.
- Reducción medible de kilómetros en vacío: impacto directo en costos operativos y en el Modelo de Combustible. Cada km evitado es margen recuperado.
- AI aplicada con resultado tangible: inversión MIND con valor demostrable — cada km vacío evitado se traduce en EBITDA por marca.
- Decisión auditable: por primera vez, cada asignación tiene un por qué documentado. Listo para auditorías ISO, OEA y de cliente.
Gerencia operativa
Menos dependencia del planificador experto.
- La organización deja de ser rehén del conocimiento individual.
- Reglas por cliente, configurables: cada vertical (escolar, industrial, hotelero) opera con sus propios parámetros sin desarrollos nuevos.
- Respuesta ágil a contingencias: reasignar un servicio deja de ser un problema de dos horas.
- Calidad operativa medible: % de cumplimiento con reglas duras, km vacíos, puntualidad real vs. planificada.
Equipo de planeación
Recomendación con justificación.
- Sin adivinar. El modelo explica su propuesta.
- Control total sobre la decisión: aprobar, ajustar o rechazar. El usuario manda.
- Foco en lo crítico: menos tiempo en lo rutinario, más tiempo en excepciones y casos especiales.
Qué vamos a medir
Indicadores que demuestran impacto.
Seis KPIs que vuelven visible la calidad de la recomendación, el ahorro real y la precisión del modelo frente a la ejecución.
% de recomendaciones aceptadas por el planificador
La métrica madre. Mide qué tan alineado está el modelo con la operación real.
% de servicios con recomendación válida
Cobertura del modelo: cuántos servicios reciben al menos una propuesta que cumple reglas duras.
Reducción de kilómetros en vacío vs. baseline
Impacto directo y medible en costos. Conecta con el Modelo de Combustible.
% de servicios que cumplen requisitos del cliente
AC, GPS, manifiesto, score y experiencia mínima.
Puntualidad real vs. planificada
Precisión de las recomendaciones frente a la ejecución.
% de servicios cumplidos sin incidencias atribuibles a planificación
Calidad operativa real de las combinaciones sugeridas.