Simulador de Optimización de Rutas de Entrega

Optimiza tu operación last-mile: costo por entrega, densidad de breakeven, utilización de flota y escenarios de ruteo. Modelo Daganzo, IA, 3 escenarios.

Simulador avanzado

¿Qué zona pierde dinero hoy y qué cambio primero?

Identifica qué ruta o flota te cuesta más de lo que te deja, y qué cambio de densidad o vehículos vuelve la operación rentable.

Flota y conductores

Vehículos, horas de turno y costos directos de operación diaria.

Zona y tiempos

Geografía de la zona de reparto y tiempos operativos.

Constante de Daganzo (k)

Forma geométrica del área de ruteo. 0.55 zonas clusterizadas (colonias urbanas LatAm), 0.70 random tour (Daganzo 1984), 0.85+ rural disperso. Multiplica proporcionalmente la distancia media entre stops.

k = 0.62

Ingresos y combustible

Ingreso por entrega, costos variables de combustible y mes operativo.

Configuraciones guardadas

Completa los datos para ver tu reporte

Este simulador solo genera diagnóstico, gráficas y recomendaciones cuando tiene los valores reales de tu negocio. Llena los campos del editor de arriba y el reporte aparecerá automáticamente.

Datos requeridos

  • Vehículos disponibles
  • Costo por día de vehículo
  • Costo por hora de conductor
  • Precio del combustible
  • Tarifa por entrega
  • Entregas por día

¿Quieres explorarlo primero?

Carga un caso realista para explorar cómo se ve el reporte. Después puedes editar cada campo.

Conecta con otros simuladores

Simulador de Flujo de Caja

Proyecta el impacto de la utilidad de la última milla en tu caja mes a mes.

Simulador de Precios y Rentabilidad

Valida el precio por entrega frente a costos fijos de operación.

Metodología y supuestos

Cómo se calculan los resultados, qué asumimos al modelar y dónde el método pierde precisión.

Fórmula

Costo total = Σ Distancia × Costo/km + Tiempo × Costo/h + Penalidad SLA · Costo por entrega = Costo total ÷ Entregas

Supuestos

  • Velocidad promedio constante por zona (urbana / suburbana).
  • Tiempo de servicio por parada (drop time) estable.
  • Capacidad por vehículo respetada como restricción dura.

Límites de aplicabilidad

  • Optimización heurística — no garantiza el óptimo global del Vehicle Routing Problem.
  • No modela ventanas horarias estrictas ni multi-depot.
  • Tráfico tratado como factor estacional, no en tiempo real.

Fuentes

  • Dantzig & Ramser (1959) — The Truck Dispatching Problem (Vehicle Routing).
  • Estimación editorial interna basada en buenas prácticas del sector.

Cómo funciona

1. Define tu flota

Vehículos, costo por día, costo del driver, horas de turno y capacidad física por vehículo.

2. Caracteriza la zona

Densidad (stops/km²), tiempo de servicio, velocidad efectiva, tasa de éxito. Valores realistas por tipo de zona urbana.

3. Compara escenarios

Base, expansión a zona difícil (menor densidad) y ruteo optimizado. Identifica breakeven y cuadrantes rentables.

Preguntas frecuentes

1¿Cómo calcula la distancia promedio entre stops?
Usa la aproximación Daganzo para zonas de ruteo cuasi-aleatorio: distancia_media ≈ 0.7/√densidad. Es la heurística estándar en logística para estimar tours sin resolver VRP completo. Para zonas con topología peculiar (islas, ríos, vías limitadas), la distancia real puede diferir.
2¿Qué es el 'breakeven de densidad'?
Es la densidad de stops por km² en la cual el margen por entrega llega a cero. Por debajo de ese número, operar es pérdida neta. Se calcula por búsqueda binaria manteniendo el resto de parámetros constantes. Útil para decidir expansión geográfica.
3¿Considera tiempos de espera o ventanas de entrega?
No directamente. El modelo asume flujo continuo durante el turno. Si tu operación tiene ventanas estrictas (ej. 8-10 am para un cliente), la utilización real será menor. Úsalo como cota superior de capacidad.
4¿Funciona para courier, food delivery y e-commerce igual?
Los principios son los mismos, pero ajusta: service time (food delivery 2-3 min, courier B2B 8-12 min), tasa de éxito (food delivery 98%+, courier residencial 80-90%), revenue por entrega (food delivery USD 4-8, courier B2B USD 6-15). El modelo es flexible a estos rangos.

Simuladores relacionados

Simulador de Flujo de CajaSimulador de Precios

Guía completa

Optimización de rutas: TSP, VRP y por qué Excel no resuelve reparto real

La optimización de rutas de reparto es uno de los problemas clásicos de investigación de operaciones y sigue siendo el mayor apalancamiento operativo para cualquier transportista que mueva más de 30 paradas por vehículo al día. El fundamento matemático es el Traveling Salesman Problem (TSP) — encontrar la secuencia más corta que visita todas las paradas y regresa al origen — extendido al Vehicle Routing Problem (VRP) cuando hay varios vehículos, capacidades distintas, ventanas de tiempo del cliente (time windows) y restricciones operativas. TSP puro con 30 nodos tiene 2.65 × 10³² rutas posibles; la enumeración exhaustiva es imposible incluso en un cluster moderno. Por eso la industria usa heurísticas (Clarke-Wright savings, 2-opt, Lin-Kernighan) y solvers como OR-Tools de Google, que resuelven instancias reales de 200-500 paradas en segundos con una degradación de 2-5% frente al óptimo teórico.

Fórmulas y KPIs operativos

Costo por parada = (Combustible + Nómina conductor + Depreciación vehículo + Mantenimiento) ÷ Paradas entregadas

Route density = Paradas por ruta ÷ Kilómetros recorridos. A mayor densidad, menor costo marginal por entrega. Empresas como 99minutos en México y Rappi Turbo en Colombia optimizan para densidad superior a 4 paradas/km en zonas urbanas; UPS y FedEx Ground en Estados Unidos operan rangos de 2-3 paradas/km en suburbios y hasta 6-8 en Manhattan.

Stops per hour (SPH) = Paradas entregadas ÷ Horas de ruta. Benchmark UPS ORION (route optimization): 18-22 SPH en zonas urbanas densas, 12-16 en suburbanas.

Backhaul optimization — aprovechar el regreso del vehículo vacío para recoger devoluciones o carga de retorno. Un camión que opera 30% del tiempo vacío tiene un costo-beneficio 40-60% peor que uno con backhaul programado.

Ejemplo numérico: distribuidor de alimentos en CDMX

Un distribuidor con 12 camionetas reparte 800 pedidos diarios en CDMX. Sin optimización, promedian 67 paradas/vehículo, 142 km/ruta, 11.2 horas jornada — SPH de 6.0 y route density de 0.47 paradas/km. Costo por parada: USD 2.25.

Con OR-Tools calibrado con ventanas de tiempo (clientes B2B 9-13h, B2C 10-20h), capacidad de 350 kg/vehículo y turno máximo 9h:

  • Paradas por vehículo: 67 → 74 (+10%)
  • Kilómetros por ruta: 142 → 108 (−24%)
  • SPH: 6.0 → 8.2 (+37%)
  • Route density: 0.47 → 0.69 paradas/km
  • Costo por parada: USD 2.25 → USD 1.60 (−29%)

Ahorro mensual con 24,000 paradas: USD 15,500. El ROI del solver (licencias open-source OR-Tools + 2 semanas de integración de un ingeniero): pagado en el primer mes.

Time windows: la restricción que rompe TSP puro

La ventana horaria de cada cliente es la variable que distingue VRP académico de reparto real. Un cliente B2B que recibe solo de 9:00 a 11:00 convierte su parada en una restricción dura — si no llegas, entrega fallida y reintento (1.5-3x el costo del envío original). El solver calibra penalidades por violación de ventana vs costo marginal de recorrido. En México las ventanas típicas retail son 7-11am (apertura de tiendas) y la carga comercial se concentra en 9-13h, generando picos que obligan a más vehículos para el mismo volumen de paradas.

Backhaul, milk runs y zonas densas

Los operadores LatAm con mejor costo por parada — OSM en Colombia, Rappi, 99minutos — ejecutan tres tácticas: (1) milk runs: rutas pre-programadas con recoleccion B2B seguida de reparto B2C, aprovechando que el vehículo ya pasa por la zona; (2) zonificación densa: asignar rutas por polígono fijo permite que el conductor aprenda la zona — Amazon Logistics documenta 8-12% de mejora en SPH tras 90 días de permanencia en la misma zona; (3) backhaul B2B-B2C: salir de CEDIS con carga B2C para entregar en la mañana y volver con recolección B2B o devoluciones por la tarde, reduciendo tiempo muerto a menos del 10% del turno.

Benchmarks sectoriales: LatAm vs US

Los operadores líderes LatAm last-mile — Rappi Turbo, 99minutos, Pedidos Ya Turbo, OSM Colombia — operan en corredor de 6-9 SPH con route density 3-5 paradas/km en zonas urbanas densas. UPS ORION y FedEx Ground en US urban-dense llegan a 18-22 SPH gracias a infraestructura de 40+ años, scan automatizado y conductores con tenure 5+ años en misma zona. Amazon Logistics via Delivery Service Partners (DSP) opera en 15-20 SPH con fuerte énfasis en algoritmo de stop sequence propietario y telematics. El gap LatAm-US no es por solver (todos usan VRP moderno) sino por tráfico urbano (2-3x peor en CDMX, São Paulo, Bogotá que en Nashville o Dallas), densidad de direcciones informales (ausencia de números visibles obliga a llamada telefónica al cliente) y tiempo de entrega en edificios (portería, elevador, firma).

Diferenciación frente a Excel y Google Maps

Excel no resuelve TSP ni VRP — la librería Solver tiene límite de variables que colapsa alrededor de 15 paradas. Google Maps optimiza la ruta entre waypoints pero ignora ventanas de tiempo, capacidad de vehículo y múltiples vehículos. OR-Tools, Onfleet, Routific y Circuit for Teams cierran esa brecha; el simulador web es el puente para transportistas que aún planifican a mano y necesitan cuantificar el valor antes de invertir en un TMS (Transportation Management System).

Conclusión

Para transportistas, e-commerce, distribuidores FMCG y last-mile carriers, la optimización de rutas es el palanca operativo número uno: 15-30% de reducción de costo de transporte con inversión marginal. El simulador permite ejecutar el cálculo TSP/VRP con tus paradas reales, comparar escenarios con distintas configuraciones de flota, ventanas y densidad, y cuantificar el ahorro antes de comprometer capital en software o flota adicional.

Caso ilustrativo

Caso compuesto con fines didácticos: combina dinámicas observadas en el sector con cifras realistas. Los nombres son ficticios y no representan a una empresa específica.

Moneda: USD — Cifras en USD.

Ruta Directa Logistics opera desde Dallas, Texas, con 38 vans repartiendo 2,400 pedidos B2B2C diarios para e-commerce y farmacia. En febrero 2025 el director de operaciones detectó que el costo por parada había subido de USD $4.20 a USD $6.10 en 14 meses — combustible y salarios explicaban la mitad, pero el análisis mostró que la tercera variable era ruta ineficiente: las millas por ruta habían subido 18% mientras las paradas por vehículo cayeron 6%.

El equipo cargó 30 días de histórico (ubicaciones GPS, tiempos reales, ventanas de cliente) en OR-Tools y comparó tres configuraciones: (A) status quo con planificación manual del dispatcher; (B) VRP solver con ventanas y capacidad; (C) VRP solver + zonificación fija por conductor + milk runs B2B–B2C. La simulación sobre los 30 días arrojó: el escenario B reducía las millas un 22% y elevaba SPH (stops per hour) de 6.1 a 8.0; el escenario C llegaba a 8.9 SPH y recuperaba 14% de tiempo muerto con milk runs de recolección.

Ruta Directa implementó el escenario C en fases: mes 1 piloto con 6 vans, mes 2 expansión a 20, mes 3 flota completa. Resultados a 6 meses: costo por parada USD $6.10 → USD $4.10 (−33%), SPH 6.1 → 8.7, entregas fallidas 4.8% → 2.1% (menor retrabajo), NPS del cliente +14 puntos por ventanas cumplidas. Ahorro anualizado: USD $410K contra una inversión de USD $21K (licencias, integración con TMS, capacitación del dispatcher). ROI 19x en año 1. El director replicó el ejercicio para la operación de Houston — aún en piloto pero con mejora proyectada similar.

Pasa de la teoría al cálculo

Cuando quieras ir más allá del cálculo rápido, los simuladores avanzados modelan escenarios completos con tus datos.

Ver simuladores avanzados

Rangos de referencia del sector

Rangos orientativos basados en literatura pública del sector y observación operativa. Tu negocio puede variar — usa los números como punto de partida, no como valor objetivo.

MétricaValorFuente
Reducción típica de costo de transporte con VRP solver15-30%ARC Advisory Group, TMS Market Analysis 2024
Stops per hour benchmark urbano denso (UPS ORION)18-22 SPHUPS Annual Report 2023 / MHI Annual Industry Report
Route density target last-mile LatAm urbano3-5 paradas/kmDHL Supply Chain Benchmarks 2024
Mejora en SPH tras 90 días misma zona (Amazon Logistics)8-12%Bureau of Transportation Statistics / Amazon Logistics disclosures
Costo incremental entrega fallida (reintento)1.5-3x envío originalCSCMP State of Logistics Report 2024

Preguntas frecuentes

1¿Qué es VRP (Vehicle Routing Problem)?
El VRP es la extensión del problema del viajante (TSP) cuando hay múltiples vehículos, capacidades distintas, ventanas horarias de cliente y restricciones como máximo de paradas o tiempo por ruta. Es NP-hard, por lo que no se resuelve con enumeración sino con heurísticas (Clarke-Wright savings, 2-opt) o solvers especializados como Google OR-Tools, Routific o Optibus, que alcanzan soluciones dentro de 2-5% del óptimo teórico en segundos para instancias reales de 200-500 paradas.
2¿Cuánto ahorro puedo lograr optimizando rutas?
El benchmark de ARC Advisory Group y DHL Supply Chain es 15-30% de reducción en costo de transporte al migrar de planificación manual a VRP solver. El rango depende de la ineficiencia de partida: operaciones que ya usan zonificación y milk runs ganan 10-15%; las que planifican a mano con dispatcher tradicional frecuentemente recuperan 25-30%. El ROI de la inversión en software (OR-Tools open-source + integración) típicamente se paga en 1-3 meses.
3¿Qué es route density y por qué importa?
Route density = paradas por ruta dividido entre kilómetros recorridos. Es la métrica central del costo marginal por entrega: a mayor densidad, menor costo por parada. Benchmark LatAm last-mile urbano es 3-5 paradas/km; operadores líderes como 99minutos, Rappi o UPS en Manhattan superan 6 paradas/km. Mejorar route density en 20-30% típicamente reduce costo por parada 15-25%.
4¿Cómo manejo ventanas de tiempo de los clientes?
Las ventanas (time windows) son restricciones duras del VRP. Un cliente B2B que recibe solo de 9-11am convierte su parada en restricción: si no llegas, entrega fallida (1.5-3x costo original). El solver penaliza violaciones de ventana vs costo marginal de recorrido. La disciplina operativa: ventanas cortas en morning rush (apertura de tiendas) justifican más vehículos; ventanas amplias permiten consolidar en menos rutas.
5¿Qué es backhaul optimization?
Backhaul es aprovechar el regreso del vehículo vacío para carga de retorno o devoluciones. Un camión que opera 30% del tiempo vacío tiene un costo-beneficio 40-60% peor. Las tácticas: milk runs con recolección B2B tras reparto B2C, devoluciones programadas en la ruta de regreso, consolidación con otro operador en cross-docking. El impacto en costo por kilómetro puede ser 20-35% de mejora.
6¿OR-Tools es gratis?
Sí, Google OR-Tools es open-source (Apache 2.0) e incluye solvers de CP-SAT, linear programming, routing (VRP/TSP) y assignment. El costo real no es licencia sino integración: un ingeniero con experiencia en optimización resuelve una primera versión en 2-4 semanas. Alternativas comerciales con UI lista son Routific (~USD 49/vehículo/mes), Circuit for Teams (~USD 20/conductor/mes) y Onfleet (desde USD 500/mes).
7¿Sirve Google Maps para optimizar rutas?
Parcialmente. Google Maps Directions API optimiza la secuencia entre waypoints (TSP hasta 25 paradas) pero no resuelve VRP — ignora múltiples vehículos, capacidades, ventanas de tiempo y restricciones de turno. Para reparto con más de 15 paradas por vehículo o múltiples vehículos, se requiere un solver VRP real (OR-Tools, Routific, Optibus).

Continúa explorando

Herramientas del mismo cluster temático. Úsalas en conjunto para cerrar el análisis.

Última actualización: 30 de abril de 2026 · Contenido revisado por el equipo editorial de Simúlalo. Las cifras y benchmarks son orientativos; verifica con tus propios datos antes de decidir.

Ver metodología

Cómo se revisó este simulador

Lo que verás, lo que evita y dónde no debes confiar en él

Cada simulador en Simúlalo se publica con la misma estructura editorial: dos casos hipotéticos con números, los errores que ayuda a evitar, sus limitaciones declaradas y un disclaimer financiero visible. La revisión está firmada y fechada.

Caso hipotéticoCaso A

Una operación que descubre que su densidad mínima rentable es 9 entregas/hora, no 6

Una empresa de delivery de comida tenía 4 motos a 6 entregas/hora con costo unitario meta de $32 MXN/entrega. El simulador, con costos fijos de operador ($14,000/mes), combustible y depreciación, calcula que la densidad mínima rentable es 9.2 entregas/hora — no 6. A 6 entregas/hora el costo real por entrega es $54.80. La decisión: reducir flota de 4 a 3 motos en horario valle (densidad sube), tercerizar el pico (densidad alta lo absorbe la flota propia) y monitorear conversión durante 30 días.

Cifras ilustrativas. No representa una empresa real ni una recomendación de inversión.

Caso hipotéticoCaso B

Un retailer que terceriza periferia donde la flota propia cuesta 38% más

Un retailer entrega en CDMX con flota propia. El simulador descompone costo por zona: zona céntrica $24/entrega (densidad 12), zona periférica $74/entrega (densidad 3.2). La oferta del 3PL es $58/entrega con SLA igual. Diferencia: $16/entrega × 1,200 entregas/mes en periferia = $19,200/mes de ahorro. La decisión: tercerizar periferia, mantener flota propia en céntrica donde la densidad sostiene el costo. Reasignar dos rutas centrales subutilizadas a entregas mismo día.

Cifras ilustrativas. No representa una empresa real ni una recomendación de inversión.

Errores comunes que ayuda a evitar

Lo que un equipo o un decisor podría asumir y este simulador obliga a verificar antes de confirmar la decisión.

  • Calcular costo por entrega solo con combustible: hay que sumar operador, depreciación, mantenimiento, costo financiero del vehículo y siniestralidad.
  • Comparar 3PL contra propio sin SLA equivalente: si el 3PL tiene tiempo de entrega 2x mayor, la conversión cae y el ahorro se evapora.
  • Asumir densidad uniforme: la densidad varía por hora, día de semana y zona — el simulador exige declararla por segmento para que el costo sea preciso.
  • Ignorar el costo de devoluciones: un FTR (first-time-right) bajo dispara reentrega y duplica costo en zonas problemáticas.

Limitaciones del modelo

Lo que el simulador no hace y donde necesitas un profesional o una herramienta especializada.

  • No optimiza ruteo en tiempo real (no reemplaza a Google OR-tools, OptimoRoute o similares). Modela costos a partir de densidades declaradas.
  • Asume jornada estándar y régimen de operación regular. Para temporadas pico (Hot Sale, Black Friday) hay que modelar aparte.
  • No incluye externalidades: tráfico extremo, eventos masivos, desastres naturales. Cuando ocurren, el costo real se dispara y los supuestos pierden vigencia.
  • El break-even de densidad asume que puedes ajustar flota. Si tu plantilla es fija por contrato, el costo por entrega cambia.

Cuándo NO usar este simulador

Si tu negocio es last-mile B2C de alta cadencia con estructura de incentivos al rider (modelo gig), tu costo unitario depende fuertemente de la mecánica de propinas, sub-contratación y comisión por kilómetro — variables que un simulador determinístico no capta limpiamente. En ese caso modela primero el componente fijo de tu plantilla y trata el variable como pass-through al precio del servicio.

Aviso financiero

Los resultados son estimaciones informativas y no constituyen asesoría financiera, fiscal, contable o legal. Usa los resultados como punto de referencia y valida decisiones importantes con un profesional certificado.

Revisión editorial

Revisado por el equipo editorial de Simúlalo

Este simulador fue revisado por las personas listadas abajo antes de publicarse. La revisión cubre la fórmula declarada, los supuestos del modelo, las limitaciones explícitas y la ausencia de afirmaciones financieras sin respaldo.

Forman parte del equipo editorial de Simúlalo, enfocado en crear herramientas financieras claras, educativas y fáciles de interpretar.

Última actualización: Actualizamos esta página cuando cambia la metodología, las fuentes utilizadas o la estructura del simulador.

Esta herramienta usa fórmulas financieras estándar y datos ingresados por el usuario. Para explicar conceptos como tasa, crédito, riesgo o flujo de caja se consultan fuentes públicas y oficiales (Banxico, SAT, CONDUSEF, CNBV, Banco de España, IFRS, BIS, entre otras). Simúlalo no está afiliado, patrocinado ni avalado por estas instituciones.

Ver todas las herramientas de logística