AlixPartners Data Challenge: catálogo de cajas
Un modelo MILP con OR-Tools y búsqueda local que baja el costo logístico anual de $209.3M a $188.4M.
Ahorro anual validado
$20.9M
El costo baja 9.96 %: de $209.3M a $188.4M por año
Tipos de caja
204 → 59
Emerge del costo, no es un objetivo del modelo
Productos validados
427 / 427
Cumplen las 4 restricciones físicas
Utilización de pallet
82 % → 92–96 %
Mejora en las 5 plantas
El desafío
En la competencia AlixPartners Data Challenge de Kaggle, una empresa ficticia (Bonsai Corp, distribuidora de brócoli congelado) gasta $209.3M al año enviando 427 productos en 204 tipos de caja desde 5 plantas (Buenos Aires, Curitiba, Santiago, Monterrey y Bakersfield). Cada vez que lanzó un producto nuevo alguien le diseñó una caja a medida, y el resultado es un catálogo fragmentado.
El costo se compone de packaging, más barato cuanto más volumen tenga cada tipo de caja, y flete, que depende de cuántas cajas entran físicamente en un pallet. Optimizar una sin mirar la otra pierde dinero en algún lado.
Diagnóstico
- El flete pesa ~86 % del costo total ($179.1M de $209.3M); packaging es el 14 % restante.
- 117 de los 204 tipos de caja (57 %) existen para un único producto, aunque muchos productos tienen volúmenes casi idénticos.
- La utilización de pallet promedio era 82.2 %, con margen visible sobre la mesa.
- El largo de las cajas es casi uniforme (350–400 mm, fijado por la línea de producción) y ancho y alto se dispersan de forma casi continua entre 150 y 350 mm.
Cuántos productos comparten cada tipo de caja
117 de los 204 tipos (57 %) existen para un único producto: el diagnóstico cuantitativo detrás de la decisión de consolidar.
Cuántos productos comparten cada tipo de caja hoy (eje X). 117 de los 204 tipos (57%) existen para un único producto.
Las cuatro restricciones reales
Ninguna asignación se acepta sin cumplirlas todas:
- Ajuste dimensional de ±10 % por eje, con volumen de caja mayor o igual al del producto.
- Headspace máximo (6–10 % según el grosor, con tope de 40 mm).
- Resistencia a la compresión (ECT) bajo carga apilada.
- Volumen interno mínimo por producto.
La solución en tres capas
- 1
1 · Catálogo de cajas candidatas
Para cada producto enumeré combinaciones de dimensiones válidas dentro de la banda ±10 % que maximizan cajas por pallet: 955 candidatas únicas, unas 55 opciones compatibles por producto.
- 2
2 · MILP con CP-SAT (Google OR-Tools)
La asignación de los 427 productos se formula como programa lineal entero mixto que minimiza el costo total de packaging más flete. El flete es lineal; los tramos de descuento de packaging, que re-precian todo el volumen, se linealizan con una técnica big-M estándar. Primera resolución: +9.80 % de ahorro.
- 3
3 · Large Neighborhood Search dirigido por tiers
El MILP completo con las 955 candidatas es demasiado grande. Identifiqué oportunidades de cruzar un tier de descuento, armé una vecindad acotada, resolví un modelo chico y acepté el cambio solo si el costo total bajaba. Tras 5 rondas la heurística converge en +9.9552 %.
- 4
Verificación final
Antes de exportar, un chequeador independiente valida fila por fila las cuatro restricciones: 427 de 427 sin fallas.
Combinaciones caja–planta por tier de descuento
Antes, 163 combinaciones operaban en el tier más caro (menos de 20 mil unidades anuales, sin descuento). El LNS mueve el volumen hacia los tiers 4 y 5 — el mecanismo concreto detrás de gran parte del ahorro en packaging.
Combinaciones caja–planta por tier de descuento del proveedor. El volumen se redistribuye hacia los tiers 4 y 5 (mayor descuento).
De dónde sale el ahorro
Ahorro anual por componente (cuánto baja el costo de cada uno), en millones de dólares.
Utilización de pallet, por planta
La utilización mejora en las cinco plantas sin excepción: es la métrica física que explica, planta por planta, de dónde sale el ahorro de flete.
El informe de resultados
Entregué el análisis como un informe HTML autocontenido pensado para un cliente no técnico, con el detalle matemático separado en un anexo. Estas son secciones del informe.
Próximos pasos identificados
El resultado queda a menos de 0.2 puntos porcentuales del mejor techo teórico identificado. Para cerrar esa brecha:
- Evaluar un grosor de 4.5 mm dentro de la optimización conjunta: da más margen de headspace (8 % vs. 6 %) y podría habilitar más consolidación.
- Ampliar el horizonte de búsqueda del optimizador para explorar más combinaciones.
- Protocolo de diseño de caja para lanzamientos nuevos, con la misma lógica de costo exacto, para no volver a fragmentar el catálogo.