Desarrollo de un modelo para la optimización del reemplazo de vehículos para una flota de transporte urbano de pasajeros

Abstract

Cada vez más, las empresas de transporte de viajeros se encuentran enmarcadas por un reto financiero para su supervivencia en un mundo globalizado, y están en busca de una gestión eficiente para optimizar los costes de explotación de las flotas. El principal objetivo es obtener el mínimo coste por kilómetro recorrido de los autobuses durante toda su vida útil, pero sin olvidar la influencia de la edad y del kilometraje sobre los vehículos.

Desde un punto de vista puramente económico, es evidente que se obtengan los costes de operación y mantenimiento más bajos en los primeros años de trabajo de los vehículos. Pero cuando se consideran otros tipos de costes, como la compra del vehículo, impuestos, subvenciones o incentivos fiscales, y la necesidad de sustitución por nuevos vehículos dotados de innovaciones tecnológicas en conformidad con las exigentes normas de sostenibilidad y sus altos costes, la optimización económica es un reto para los operadores. Así, la determinación del momento óptimo de reemplazo es una tarea cada vez más dependiente de la disponibilidad, fiabilidad y precisión de los datos que se manejen, debido a la incertidumbre en la predicción de algunos valores y costes, tales como los futuros precios del combustible, costes de mantenimiento y la tasa de utilización.

Teniendo en cuenta que este proceso ocurre a nivel global en diferentes sectores, existen diferentes modelos y herramientas de gestión que permiten encontrar al menos una solución para el problema de reemplazo. En este trabajo se han planteado dos modelos clásicos aplicados en problemáticas similares, para adaptarlos a la resolución del caso de flotas de transporte urbano de dos países diferentes, España y Brasil, propiciando así un análisis bajo condiciones y entornos distintos. Con el acceso a los datos reales de las flotas, fue desarrollada e implementada la metodología combinada entre la herramienta gerencial Life Cycle Cost y el modelo matemático de Simulación Monte Carlo, mediante la realización de un análisis estocástico, considerando tanto la edad y el kilometraje promedio anual.

El estudio ha demostrado que la inclusión de las variables aleatorias en el proceso de determinación de la edad óptima de cambio, junto con la mejor tasa de utilización de los vehículos en función del kilometraje medio, aporta ventajas al proceso de reemplazo convencional, al permitir una perspectiva más confiable de los futuros escenarios, mediante el análisis probabilístico dependiente de las variables económicas y técnicas. Los resultados obtenidos apuntan hacia la eficiencia del modelo, y que podrá ser utilizado de forma satisfactoria en otros estudios comparativos en flotas de transporte urbano.

The passenger transport companies have been increasingly challenged by financial restrictions for their survival in a globalised world and they are searching out an efficient management to optimise the exploitation costs of the fleets. The main objective is not only reaching the lowest average cost per mile of the buses during their lives, but also reaching such aim considering the influence of the age and mileage over the vehicles.

From an economic point of view, it is evident that the operational and maintenance costs must be lower at the first working years of the vehicle. However, when other types of costs are taken into consideration, such as the purchasing price, taxes, subsidies or tax incentives, the need of the replacement for new vehicles endowed with technologic innovations in accordance with sustainable rules and their high costs, the economic optimisation becomes a challenge for the managers. Likewise, the determination of the optimum replacement moment is a more and more dependent task on the availability, reliability and precision of the data in use due to the uncertainty and unreliability when predicting some values and costs, such as future fuel prices, maintenance costs and bus use rate.

In view of this process happens at a global level over different sectors of the economy, there are several models and tools of management that leads to a solution to the replacement problem. In this study, two classic modules were applied in similar conditions, however, some changes were required to adapt them for the resolution in two urban transport fleet in two different countries, Spain and Brazil, generating an analysis under different conditions and environments though. Using the access of real date from the two fleets, a methodology was developed combining the Life Cycle Cost tool and the mathematical model of Monte Carlo Simulation, by performing a stochastic analysis considering both age and average annual mileage for optimum vehicle replacement.

This study has demonstrated that the inclusion of random variables into the determination process of optimum replacement age together with the best mileage of the vehicle in function of average mileage improve the conventional replacement process since it creates a more reliable perfective on future successes through probabilistic analysis dependent on economic and technical variables. The results suggest that the model is effective, and it could be used satisfactorily in other comparative studies about urban transport fleet.

Cada vegada més, les empreses de transport de viatgers es troben majors reptes financers per a la seva supervivència en un món globalitzat, i estan a la recerca d'una gestió eficient per optimitzar els costos d'explotació de les flotes. El principal objectiu és obtenir el mínim cost per quilòmetre recorregut dels autobusos durant tota la seva vida útil, però sense oblidar la influència de l'edat i del quilometratge sobre els vehicles.

Des d'un punt de vista purament econòmic, és evident que s'obti els costos d'operació i manteniment més baixos en els primers anys de treball dels vehicles. Però quan es consideren altres tipus de costos, com la compra del vehicle, impostos, subvencions o incentius fiscals, i la necessitat de substitució per nous vehicles dotats d'innovacions tecnològiques en conformitat amb les exigents normes de sostenibilitat i els seus alts costos, l'optimització econòmica és un repte per als operadors. Així, la determinació del moment òptim de reemplaçament és una tasca cada vegada més dependent de la disponibilitat, fiabilitat i precisió de les dades que es manegen, a causa de la incertesa en la predicció d'alguns valors i costos, com ara els futurs preus del combustible, costos de manteniment i la taxa d'utilització.

Tenint en compte que aquest procés ocorre a nivell global a diferents sectors, hi ha diferents models i eines de gestió que permeten trobar almenys una solució per al problema de reemplaçament. En aquest treball s'han plantejat dos models clàssics aplicats en problemàtiques similars, per adaptar-los a la resolució del cas de flotes de transport urbà de dos països diferents, Espanya i el Brasil, propiciant així una anàlisi sota condicions i entorns diferents. Amb l'accés a les dades reals de les flotes, va ser desenvolupada i implementada la metodologia combinada entre l'eina gerencial Life Cycle Cost i el model matemàtic de simulació Monte Carlo, mitjançant la realització d'una anàlisi estocàstica, considerant tant l'edat com la mitjana de quilometratge anual.

L'estudi ha demostrat que la inclusió de les variables aleatòries en el procés de determinació de l'edat òptima de canvi, juntament amb la millor taxa d'utilització dels vehicles en funció del quilometratge mitjà, aporta avantatges al procés de reemplaçament convencional, en permetre una perspectiva més fiable dels futurs escenaris, mitjançant l'anàlisi probabilístic depenent de les variables econòmiques i tècniques. Els resultats obtinguts apunten cap a l'eficiència del model, i que podrà ser utilitzat de forma satisfactòria en altres estudis comparatius en flotes de transport urbà.