ISSN 2953-6367  
http://revistainvestigo.com  
Marzo 2026  
Vol. 7 No ,19, PP. 181-203  
https://doi.org/10.56519/pkrb7f43  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN  
DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
TRANSPORTATION MANAGEMENT FOR THE  
COMMERCIALIZATION OF UHT MILKIN A COMPANY WITHIN  
THE DAIRY SECTOR  
Jhon Andrés Ascuntar Silva1, Iván Alirio Realpe Cabrera2.  
{jhon.ascuntar @upec.edu.ec1, ivan.realpe @upec.edu.ec2}  
Fecha de recepción: 13/03/2026 / Fecha de aceptación: 27/03/2026  
/ Fecha de publicación: 31/03/2026  
RESUMEN: La gestión del transporte se ha consolidado como una pieza clave para el éxito de  
la cadena de suministro, la falta de planificación y control en el proceso de distribución  
representa uno de los mayores desafíos en especial en empresas con productos de naturaleza  
perecedera. En ese sentido, la presente investigación combinó la parte matemática de los  
modelos de optimización del transporte con la parte computacional de las herramientas  
tecnológicas emergentes para abordar el problema logístico de ruteo en productos con  
temperatura controlada. El propósito de esta investigación fue minimizar la distancia total y  
tiempo total en las seis rutas de distribución. Inicialmente se diagnosticó la situación actual del  
proceso de distribución permitiendo identificar las fallas operativas. Luego se desarrolló un  
modelo VRP (Vehicle Routing Problem) que incluyó las restricciones propias del escenario real,  
tales como ventanas de tiempo, velocidad de vehículos y número de puntos de entrega. El  
modelo fue evaluado mediante el algoritmo VRP de OR-Tools que integra codificación  
metaheurística de búsqueda local guiada, esta técnica prueba diferentes rutas para encontrar  
la más corta en distancia y tiempo garantizando una solución rápida, exacta y eficiente. Los  
resultados indican una notable reducción del 74.6% en los kilómetros recorridos en rutas  
específicas, minimizó el tiempo total de recorrido en un rango de una a dos horas y media.  
Además, la optimización permitió organizar las entregas de manera eficiente, al permitir que  
los clientes reciban sus productos en el periodo de 8 horas laborables aumentando la  
puntualidad y confianza en el servicio. En conclusión, el estudio evidencia el potencial de las  
herramientas de optimización como apoyo en la toma de decisiones en la gestión del transporte  
contribuyendo a la operatividad del sector.  
Palabras clave: Distribución, optimización de rutas, VRP, gestión del transporte, modelos  
matemáticos, alimentos perecederos  
1Maestría en Logística y Cadena de Suministro, Universidad Politécnica Estatal del Carchi-Ecuador, https://orcid.org/0009-0008-  
8908-6360; +593992762853.  
2Universidad Politécnica Estatal del Carchi-Ecuador, 0000-0002-4636-3750; +593996781025.  
181  
Revista Científica Multidisciplinaria InvestiGo  
Riobamba – Ecuador  
Cel: +593 97 911 9620  
revisinvestigo@gmail.com  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
ABSTRACT: Transport management has established itself as a cornerstone for supply chain  
success, a lack of planning and control in the distribution process represents on of the major  
challenges, especially for companies dealing with perishable products. The present paper  
combined the mathematical component of transport optimization models with the  
computational capabilities of emerging technological tools to address the logistics routing  
problem for temperature-controlled products. The purpose of this research was to minimize  
both the total distance and total time across six distribution routes. Initially, the current state  
of the distribution process was diagnosed, which allowed the identification of operational  
failures. Subsequently, a Vehicle Routing Problem (VRP) model was developed, incorporating  
real world such as time windows, vehicle speeds and the number of delivery points. The model  
was evaluated using the OR-Tools VRP algorithm, which integrates a Guided Local Search  
metaheuristic. This technique tests various routes to identify the shortest path in terms of  
distance and time, ensuring a fast accurate, and efficient solution. The results indicate a notable  
74.6% reduction in kilometers traveled on specific routes and a decrease in total travel time  
ranging from one to two and a half hours. Furthermore, this optimization streamlined delivery  
organization, ensuring customers receive their products within an 8-hour workday, thereby  
increasing punctuality and service reliability. In conclusion, the study demonstrates the  
potential of optimization tools as support for decision-making in transportation management,  
contributing to improved operational efficiency in the sector.  
Keywords: Distribution, route optimization, VRP, transportation management, mathematical  
models, perishable foods  
INTRODUCCIÓN  
Actualmente el aumento de volumen en el tráfico vehicular ha generado un desafío significativo,  
convirtiendo al transporte en un elemento fundamental de la vida diaria (1). En ese sentido, la  
inadecuada gestión del transporte puede tener múltiples consecuencias negativas, entre ellas: el  
aumento en el consumo de combustibles fósiles, mayores niveles de contaminación, accidentes  
inesperados y una considerable pérdida de tiempo.  
La distribución de alimentos perecederos representa uno de los mayores retos logísticos, se  
requiere una gestión eficiente para garantizar la seguridad y calidad del producto. La planificación  
operativa implica el minucioso control en los diferentes eslabones de la cadena de suministro,  
siendo la optimización de rutas y administración de flotas los más relevantes. Alrededor del 30 %  
de productos con temperatura controlada se desperdician por la ruptura en la cadena de frio  
durante la distribución (2), la inadecuada infraestructura para el transporte de estos alimentos,  
eleva los costos logísticos y genera la necesidad de incorporar nuevas tecnologías de monitoreo  
para mejorar la operatividad y fortalecer la competitividad en el mercado.  
El incremento de los costos logísticos se debe a la falta de articulación y eficiencia en el trasporte  
interno, así como a la limitada calidad en las rutas, que no permiten la circulación fluida ni  
constante (3). Esta situación afecta directamente la competitividad de los productos, al reducir la  
capacidad para cumplir con los estándares de eficiencia requeridos en el mercado. Asimismo, las  
182  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
organizaciones que carecen de mecanismos de monitoreo y evaluación adecuados que permitan  
verificar si sus productos o servicios están llegando de manera correcta al destino, afectan la  
visibilidad y control en la cadena de distribución generando incertidumbre y limitando la  
capacidad de respuesta ante fallas operativas.  
Investigaciones previas como la de (4) y (5), han demostrado que la implementación de modelos  
matemáticos junto con herramientas tecnológicas basadas en algoritmos inteligentes, en  
entornos caracterizados en la producción de bienes para su posterior distribución a diversos  
destinos han logrado disminuir los accidentes en un 38 %, reducir los fallos en la flota en un 25 %  
y disminuir los costos de transporte hasta en un 53%, además de alcanzar del 98% en la predicción  
de la demanda y los tiempos de transporte.  
De igual manera, los métodos heurísticos orientados a optimizar los tiempos de entrega de  
productos simultáneamente minimizan el impacto ambiental hasta en un 25% y disminuyeron en  
18% los costos económicos, ya que consideran la incertidumbre tanto de la demanda como en la  
capacidad de las instalaciones (6). Estos avances sugieren que la integración de métodos de  
aprendizaje automático en la gestión del transporte puede ofrecer soluciones innovadoras a  
problemas tradicionales.  
Por lo expuesto, este estudio tiene como finalidad integrar la base matemática con los diferentes  
parámetros operativos (puntos de demanda, la flota de vehículos y las rutas) para optimizar el  
transporte de la empresa láctea en cuestión. Para ello, se llevará a cabo una descripción de las  
bases teóricas y conceptuales que fundamentaran a las variables de investigación, así como un  
diagnóstico del modelo actual y, a partir de los hallazgos, se diseñará un nuevo modelo de gestión  
del transporte que se adapte a las necesidades específicas de la empresa centrándose en la  
optimización de rutas, eficiencia de la flota y cobertura del servicio. La propuesta podrá ser  
replicada en otras organizaciones del sector lácteo contribuyendo al desarrollo de metodologías  
innovadoras en la gestión logística.  
MATERIALES Y MÉTODOS  
La investigación tiene como punto de partida un mapeo sistemático de la literatura (MSL), un  
enfoque estructurado y riguroso que permite examinar de manera integral un amplio espectro  
de estudios relevantes en el área de investigación. De esta manera, se proporcionó una base  
sólida y un respaldo empírico en la adquisición y generación de conocimiento.  
Siguiendo el protocolo planteado (7), se estructuran tres fases: primero, la definición de la  
búsqueda, en donde se limitó y determinó el alcance de la revisión a artículos publicados en  
español e inglés en un periodo de tiempo comprendido entre 2020 y 2025, además para  
garantizar la relevancia técnica se emplearon dos motores de búsqueda, Science Direct y Scopus,  
mientras que para los descriptores de búsqueda se usó palabras clave combinadas junto con el  
operador booleano AND, con el fin de restringir los resultados y obtener estudios más relevantes  
y alineados con el tema de investigación, de esa manera se simplificaron los vacíos de la literatura.  
183  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
En la siguiente fase mediante los motores de búsqueda se identificaron un total de 1268 escritos,  
bajo criterios de exclusión e inclusión previamente definidos se filtró a 30 documentos entre  
artículos y estudios de caso relacionados a la investigación (Figura 1), estas acciones permitieron  
la integración de un enfoque temático y el desarrollo de un análisis conceptual y teórico.  
Figura 1. Fase 2: Selección de trabajos primarios.  
Por último, se procedió con el análisis que incluyó un mapeo de concurrencia utilizando el  
software VOSviewer, permitiendo realizar una visualización detallada de las conexiones entre las  
palabras clave extraídas los 30 artículos seleccionados. Se aplicó un umbral mínimo de 3  
apariciones por palabra clave, con el fin de centrar el análisis en los términos más relevantes y  
frecuentes.  
De un total de 134 palabras clave presentes en los 30 artículos solo 10 palabras clave cumplían  
con este umbral, lo que permitió identificar las áreas más relevantes y centrales dentro del campo  
de estudio (Figura 2). En base a los 30 documentos seleccionados se identificó que el 50% de las  
investigaciones proponen a la técnica de modelamiento matemático combinada con VRP como  
solución a los problemas relacionados con la gestión del transporte en alimentos perecederos. A  
partir de este enfoque, se logró determinar la metodología, técnicas e instrumentos necesarios  
para la recolección de información.  
Figura 2. Mapeo de concurrencia.  
184  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
El MSL facilitó la elaboración del protocolo de investigación con enfoque mixto, la parte  
cualitativa se orientó al análisis de documentos y de factores estratégicos y operativos a través  
de la recolección de percepciones, experiencias y criterios de actores clave de la empresa. Por  
otro lado, la parte cuantitativa se centró el análisis estadístico de datos históricos,  
complementado con la evaluación de indicadores clave de desempeño como, por ejemplo:  
tiempo en ruta, distancia de rutas y cantidad enviada en cada camión. Estos indicadores  
permitieron identificar la situación actual, evaluar el desempeño logístico y generar información  
para la propuesta de diseño del modelo de gestión de transporte para optimizar la  
comercialización de productos lácteos.  
La empresa cuenta con seis vehículos tipo furgón para realizar las entregas, cada furgón con una  
capacidad de una tonelada y dos rutas programadas en distintos días de la semana para cubrir  
con la demanda de la población de estudio conformada por un total de 395 clientes (puntos de  
entrega) los mismos que son visitados 3 veces por semana, esa información se obtuvo mediante  
el análisis de datos históricos comprendidos en 4 semanas en el periodo de noviembre a  
diciembre del 2025. Se analizó el total de clientes visitados para la entrega del producto por día  
en donde se verificó que el volumen de clientes es variable. El ruteo se desarrolló por cada día de  
la semana, es por ello que, no hubo la necesidad de establecer una población de muestra, se  
trabajó con todos los clientes para determinar la ruta óptima.  
La investigación se delimitó a la planta norte de la empresa, ubicada en la provincia del Carchi, las  
entregas se realizan en su mayoría en vías de un alto nivel de flujo vehicular. En el presente  
estudio se identificaron algunos desafíos logísticos como el mantenimiento de la cadena de frio y  
el cumplimiento de los plazos establecidos. Adicional, se identificó el inicio y fin mediante un  
diagrama de flujo de la etapa final del proceso logístico.  
Como herramienta de análisis se empleó el software Excel de Microsoft principalmente para la  
preparación de datos, además de determinar comportamientos en la demanda y organizar  
coordenadas de destino. Mientras que para el diseño del nuevo modelo de gestión del transporte  
se usó el lenguaje de programación Python ejecutado Google Colab importando librerías para la  
manipulación de datos (Pandas), geodesic de Geopy para calcular distancias geográficas entre los  
puntos de entrega y sobre todo Google OR-Tools para modelar y resolver el problema de ruteo,  
además se consideró las ventanas de tiempo (10, 7 o 6 min por cliente), número de vehículos  
usados, ubicación geográfica (latitud y longitud) y velocidad de los vehículos ( 70 km/h).  
En ese contexto, el enfoque metodológico para la presente investigación integró fundamentos  
teóricos logísticos junto con herramientas tecnológicas para el diseño de un modelo de ruteo. La  
combinación abordó de manera estructurada los problemas relacionados con la distribución de  
alimentos perecederos. La implementación de un VRP facilita la optimización de las rutas de  
distribución y se orienta hacia la mejora continua de la cadena de suministro, con el fin de  
garantizar entregas oportunas manteniendo la calidad de producto.  
185  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
RESULTADOS  
Planificación y control de transporte  
La empresa de estudio se dedica a la producción y comercialización de productos lácteos y cuenta  
con un proceso logístico estructurado. Para el proceso de distribución se hace uso de 3 vehículos  
tipo furgón, el primero distribuye a 96 clientes, el segundo a 149 y el tercero a 151 clientes  
distribuidos en las ciudades de Tulcán, San Gabriel y sus alrededores, dichos vehículos no siempre  
operan con capacidad completa ya que su asignación depende de la demanda del producto y  
políticas internas de la empresa. Sin embargo, se visita obligatoriamente a cada cliente tres veces  
a la semana.  
En la Figura 3 se puede visualizar el diagrama de flujo de la empresa de estudio, perteneciente al  
último eslabón de la cadena de suministro. El proceso inicia en la fase de Envasado, la leche es  
sometida a un riguroso control de cumplimiento de la Norma INEN este aspecto asegura que el  
producto sea apto para consumo humano, si se aprueba pasa a la fase de Almacenamiento en  
donde se clasifica los productos recibidos por tipo y presentación posteriormente se gestionan  
bajo el método FIFO (First In, First Out) que consiste en distribuir primero los productos que  
fueron recibidos antes y después los que llegaron más tarde.  
Luego de la organización inicia la etapa del transporte, primero se debe verificar si el vehículo se  
encuentra en buen estado de no ser el caso se activa el protocolo de Mantenimiento para  
reparación y limpieza, si el vehículo es apto para la ruta se carga los productos a ser distribuidos  
ese día. El flujograma finaliza su ciclo con la conformidad del cliente, si la cantidad y producto son  
correctos los usuarios aceptan su recepción caso contrario se notifica el problema.  
En cuanto a la mercancía, la empresa comercializa alrededor de 50 productos entre ellos: leche,  
queso y yogurt. La distribución de los mismos se realiza en jabas, las cuales tienen dimensiones  
estándar de 60x40x25 cm (largo, ancho, alto) y cada una suele contener aproximadamente entre  
12 y 18 unidades de artículos en sus diferentes presentaciones, siendo el producto leche entrera  
de un litro con mayor demanda en el mercado.  
186  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Figura 3. Flujograma proceso de distribución.  
187  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Demanda  
Se determinó estadísticamente que la empresa láctea posee una demanda de tipo probabilística.  
En la Figura 4 se muestra la evolución mensual de la demanda en el periodo de un año en donde,  
los picos más altos se alcanzan en los meses de enero y mayo, mientras que en el mes de febrero  
se observa una caída critica del 14.3% seguida de una recuperación robusta del 16.7%, en el  
último trimestre la demanda mantiene un nivel estable sugiriendo la existencia de patrones  
estacionales.  
Las variaciones presentadas impactan directamente en la cantidad de vehículos a utilizar, las  
restricciones de tiempo y sobre todo la asignación de clientes por ruta. Por lo tanto, comprender  
las fluctuaciones y patrones en la demanda y su incidencia en la planificación logística es  
estratégica, por cuanto se permite diseñar rutas más eficientes, flexibles y alineadas a las  
necesidades de la empresa.  
DEMANDA EN UNIDADES 2025  
18.000,00  
17.500,00  
17.000,00  
16.500,00  
16.000,00  
15.500,00  
15.000,00  
14.500,00  
14.000,00  
13.500,00  
Figura 4. Demanda en unidades año 2025.  
Programación semanal de las rutas  
La red de distribución inicia y termina en el centro de despacho principal, ubicado en las calles  
Maldonado y Pichincha en la ciudad de Tulcán. Con el objetivo de garantizar el cumplimiento de  
las frecuencias, la empresa ha segmentado su cartera de clientes en seis grupos, esta estructura  
asegura que cada punto reciba las tres visitas obligatorias a la semana programadas dentro del  
proceso logístico. En la Tabla 1 se detallan la asignación semanal que tienen los vehículos de la  
empresa, la denominación, número de clientes por ruta y días de operación.  
188  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Tabla 1. Programación semanal de vehículos.  
Vehículo  
Furgón 1  
Furgón 1  
Furgón 2  
Furgón 2  
Furgón 3  
Furgón 3  
Denominación  
Ruta  
Días de operación  
Número de clientes  
C1  
C1  
C2  
C2  
C3  
C3  
Ruta A  
Ruta B  
Ruta C  
Ruta D  
Ruta E  
Ruta F  
lunes-miércoles-viernes  
martes-jueves-sábado  
lunes-miércoles-viernes  
martes-jueves-sábado  
lunes-miércoles-viernes  
martes-jueves-sábado  
46  
48  
75  
75  
76  
75  
Los mapas a visualizar a continuación fueron generados en Python (Google Colab) utilizando  
librerías propias del lenguaje, lo que permitió la representación geoespacial y la conexión entre  
los diferentes puntos analizados. De igual manera, se calculó la distancia total recorrida (km) y el  
tiempo total estimado de desplazamiento.  
Ruta A  
Es la ruta con menor cantidad de puntos de entrega (46) y mayor duración de tiempo de parada  
(10 minutos), todos los clientes se encuentran en la ciudad de Tulcán y están distribuidos  
geográficamente próximos entre sí (Figura 5), al “Depósito” que es el punto de inicio y fin en todas  
las rutas se lo ha caracterizado de color rojo, los clientes están representados de color azul y al  
recorrido realizado por el vehículo se indica a través de líneas verdes punteadas.  
Figura 5. Ruta A.  
189  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Como se puede observar la ruta no sigue un trayendo claro y continuo, las líneas que conectan a  
los diferentes puntos de entrega se cruzan repetidamente causando recorridos redundantes e  
innecesarios.  
Ruta B  
Los clientes en esta ruta están distribuidos en las ciudades de Tulcán y San Gabriel (Figura 6). Los  
puntos de entrega con una duración de 7 minutos en parada, están representados por el color  
naranja y al recorrido realizado por el vehículo se indica a través de líneas punteadas color gris.  
Figura 6.Ruta B Tulcán- San Gabriel.  
Por la evidente dispersión geográfica de los puntos de entrega, a continuación, en las en la Figuras  
7 se presenta una imagen a mayor escala para una mejor visualización de los clientes de Tulcán y  
San Gabriel, esto permitió evaluar si la distribución sigue o no un orden lógico en el transporte.  
190  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Figura 7. Gran escala de Tulcán y San Gabriel Ruta B.  
En la zona Tulcán se aprecia un desorden logístico de ruta, en donde varios puntos de entrega se  
cruzan entre sí, de igual manera los clientes de San Gabriel no presentan una secuencia ordenada  
ilustrando un recorrido es ineficiente.  
Ruta C  
Es la primera ruta que realiza en Furgón 2, sus clientes están distribuidos en la zona Tulcán  
geográficamente dispersos entre sí, es decir, abarcan una mayor parte del territorio a diferencia  
de la Ruta A, los clientes están representados con el color verde y el trayecto realizado por líneas  
punteadas color negro (Figura 8). A partir de esta ruta los tiempos de parada en cada cliente son  
de 6 minutos debido a la cantidad de clientes.  
Figura 8. Ruta C.  
De igual manera la distribución no presenta una estructura de planificación logística, no se  
aprovecha la cercanía de los puntos de entrega para una red lógica de conexiones evitando que  
el vehículo transite repetidamente por algunos sectores causando tiempos de desplazamientos  
ineficientes.  
191  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Ruta D  
Esta ruta tiene puntos de entrega en la zona de Tulcán, a excepción de un cliente ubicado a pocos  
metros del Puente Internacional Rumichaca. Los clientes están representados por el color morado  
y el trayecto seguido por el furgón en líneas punteadas color rojo (Figura 9).  
Figura 9. Ruta D.  
La imagen indica una red de largo alcance, la mayoría de los clientes se concentran en el centro  
del mapa, mientras que algunos están distribuidos en la vía principal (E35) y vía hacia Tufiño. De  
igual manera que las rutas ya mencionadas no existen una secuencia lógica de paradas, se  
observan desplazamientos ineficientes que tienden a aumentar tiempo de viaje, km recorridos y  
demás.  
Ruta E  
Es la primera ruta del furgón 3, con puntos de entrega ubicados en la zona de Tulcán centro-norte,  
a los clientes se los ha caracterizado con el color azul mientras que el trazado de la línea de  
transporte con líneas entrecortadas color amarillo. En la Figura 11 se puede visualizar la  
distribución geográfica y el recorrido realizado.  
192  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Figura 10. Ruta E.  
Es evidente la deficiente organización logística en la ruta, el vehículo realiza trayectos repetidos,  
cruzando por áreas que ya han sido atendidas.  
Ruta F  
La última ruta que realiza la empresa con 75 clientes y dentro de ellos ubicaciones geográficas en  
periferias, los clientes se han representado con el color azul oscuro y las líneas entrecortadas  
moradas representan al trayecto del vehículo (Figura 11).  
Figura 11. Ruta F.  
193  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Las diversas conexiones en los puntos de entrega indican desorganización en la secuencia de los  
puntos de parada indicando una inadecuada distribución logística que tienden a incidir en  
distancia y tiempo de recorrido.  
En todas las rutas es evidente la desorganización logística y la falta de un patrón lógico para  
realizar las entregas sin necesidad de trayectos redundantes que aumentan el tiempo de  
distribución. El análisis destacó que la mayor parte de tiempo operativo se dedica a las paradas,  
es decir, el tiempo que deben dedicar los operarios en entregar el producto, esto involucra la  
descarga de los productos requeridos por el cliente, la verificación de calidad y confirmación de  
artículos en cantidad y presentación.  
En ese contexto, resulta pertinente proponer un modelo de optimización para las diferentes rutas  
que maneja la empresa de estudio, con una secuencia lógica en los puntos de parada se podrían  
reducir los tiempos de desplazamiento, así como los costos asociados al transporte. Este enfoque  
da paso a una distribución consistente para los vehículos asegurando la satisfacción del cliente.  
Propuesta de modelo para optimización de rutas  
Se entiende por optimización de rutas al proceso de planificar y gestionar los recorridos de  
transporte de manera que se reduzcan los costos y el plazo de entrega, al tiempo que se maximiza  
la eficiencia operativa (8)  
De acuerdo con el mapeo sistemático de literatura, la mejor opción para abordar los problemas  
de las rutas es la implementación de modelos matemáticos junto con herramientas tecnológicas,  
el VRP (Vehicle Routing Problem) es comúnmente utilizado para problemas de optimización que  
buscan determinar la ruta más eficiente, manteniendo una cobertura completa de todos los  
puntos de entrega. Las características que usa este algoritmo para su funcionamiento son:  
número de vehículos, demanda, restricciones de capacidad y ventanas de tiempo (9).  
El modelo se diseñó utilizando el algoritmo de búsqueda guiada OR-Tools, es una metaheurística  
empleada para resolución de complejos problemas de optimización, encuentra soluciones  
óptimas garantizando una solución rápida, exacta y adaptada a las necesidades de la empresa.  
Las fuentes de entrada son las ubicaciones geográficas, a través de ellas el algoritmo calcula la  
ruta óptima que minimice la distancia total, el proceso genera una matriz de caminos entre todos  
los puntos calculando el tiempo estimado en paradas y en distribución, como restricciones se tuvo  
a las ventanas de tiempo asignadas por la empresa en cada ruta, así como la velocidad a la que  
circulan los vehículos, A continuación, se describe la solución encontrada para cada una de las 6  
rutas que maneja la empresa y una comparación con la ruta actual.  
Optimización de rutas  
Las rutas actuales presentan deficiencias logísticas especialmente trayectos repetitivos, tras  
aplicar el VRP las rutas han sido modificadas para que sigan un patrón lógico que minimice los  
cruces innecesarios, optimice el tiempo de conducción y garantice una distribución eficiente. Las  
siguientes imágenes presentan una mejora significativa en las rutas de una manera ordenada,  
194  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
para su caracterización se ha mantenido los mismos colores usados en el análisis de la ruta actual  
a excepción de las líneas punteadas que ahora se representa como una línea continua.  
Ruta A  
En la Figura 12 se muestra la Ruta A optimizada que indica una mejora en la secuencia de puntos  
de entrega, sin trayectos repetitivos, aprovechando los clientes cercanos y mejorando los tiempos  
de distribución.  
Figura 12. Ruta A optimizada.  
Ruta B  
Con el algoritmo inteligente se encontró una ruta eficiente, se visita a algunos clientes de Tulcán  
en especial los ubicados en el sur y, desde allí avanza a la ciudad de San Gabriel en donde visita  
los puntos de parada de manera ordenada. Finalmente, el recorrido regresa a Tulcán para  
continuar visitando los clientes restantes (Figura 13).  
Figura 13. Ruta B optimizada.  
195  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Ruta C  
Es una de las rutas con mayor cantidad de puntos de parada en la Figura 15 se puede observar  
una línea continua que atraviesa la zona de Tulcán de norte a sur de manera ordenada (Figura  
14).  
Figura 14. Ruta C optimizada.  
Ruta D  
En la Figura 15 se muestra la optimización del segundo recorrido que realiza en furgón 2, como  
se puede observar el algoritmo generó una secuencia ordenada incluso en puntos de parada  
alejados de la zona siguiendo un patrón que permita conectar sus clientes más cercanos.  
Figura 15. Ruta D optimizada.  
196  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Ruta E  
La búsqueda guiada del algoritmo encontró una ruta que no genera desplazamientos innecesarios  
que atraviesen más de una vez un sector determinado como se representa en la Figura 16.  
Figura 16. Ruta E optimizada.  
Ruta F  
La última ruta optimizada, el recorrido presenta un solo viaje a la zona periférica y retorna  
nuevamente a los demás clientes de la ciudad generando una conexión lógica entre puntos de  
parada (Figura 17).  
Figura 17. Ruta F optimizada.  
197  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
Todas las imágenes presentan una secuencia ordenada que conecta a los clientes cercanos y  
agrupa las zonas de una manera eficiente, este orden genera un trayecto eficiente y continuo. En  
la Tabla 8 se presenta una comparación de los tiempos calculados tanto en la situación actual  
como en la optimización de cada ruta.  
Tabla 2. Comparación de tiempos actual VS optimizado.  
Ruta  
Actual  
Optimización  
Dist. total: 5.27 km  
Mejora  
Dist. total: 22.67km  
Dist. en km: 76.7%  
T. total en ruta: 3.74%  
Ruta  
A
T. neto conducc: 22 min  
T. en paradas: 7h 40 min  
T. total en ruta: 8h 2 min  
Dist. total: 96.53km  
T. neto conducc: 4 min  
T. en paradas: 7h 40 min  
T. total en ruta: 7h 44 min  
Dist. total: 62.18km  
Dist. en km: 35.58%  
Ruta  
B
T. neto conducc: 1h 22 min  
T. en paradas: 5h 22 min  
T. total en ruta: 6h 45 min  
Dist. total: 40.47km  
T. neto conducc: 53 min  
T. en paradas: 5h 22 min  
T. total en ruta: 6h 15 min  
Dist. total: 15.81km  
T. total en ruta: 7.41%  
Dist. en km: 60.9%  
Ruta  
C
T. neto conducc: 35 min  
T. en paradas: 7h 30 min  
T. total en ruta: 8h 5 min  
Dist. total: 71.47km  
T. neto conducc: 35 min  
T. en paradas: 7h 30 min  
T. total en ruta: 7h 44 min  
Dist. total: 22.16km  
T. total en ruta: 4.3%  
Dist. en km: 60.9%  
Ruta  
D
T. neto conducc: 1h 2 min  
T. en paradas: 6h 48 min  
T. total en ruta: 7h 49 min  
Dist. total: 65.57km  
T. neto conducc: 18 min  
T. en paradas: 6h 48 min  
T. total en ruta: 7h 2 min  
Dist. total: 15.19km  
T. total en ruta: 4.3%  
Dist. en km: 76.8%  
Ruta  
E
T. neto conducc: 56 min  
T. en paradas: 7h 36 min  
T. total en ruta: 8h 32 min  
Dist. total: 88.69km  
T. neto conducc: 13 min  
T. en paradas: 6h 48 min  
T. total en ruta: 7h 49 min  
Dist. total: 19.5km  
T. total en ruta: 8.4%  
Ruta  
Dist. en km: 77.9%  
198  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
F
T. neto conducc: 1h 16 min  
T. en paradas: 7h 30 min  
T. total en ruta: 8h 46 min  
T. neto conducc: 16 min  
T. en paradas: 6h 48 min  
T. total en ruta: 7h 46 min  
T. total en ruta: 11.4%  
Los tiempos mostrados en la tabla demuestran una notable reducción en kilómetros recorridos y  
el tiempo total que lleva completar cada una de las rutas, obteniendo porcentajes de hasta 76%  
en mejora, destacando una distribución eficiente y una planificación logística adecuada. Las rutas  
A, E y F son las que presentaron mayor reducción en distancia con un porcentaje cercano al 78%,  
mientras que la Ruta F, considerada la más larga minimizó en 11.4% el tiempo total que lleva  
completar la ruta. Además, cabe destacar que con el algoritmo de optimización ninguna ruta  
supera las 8 horas en trayecto, a pesar de los diferentes escenarios todas las rutas se mantienen  
en el rango de las 8 horas a diferencia de la situación actual sin comprometer la calidad del  
servicio.  
DISCUSIÓN  
Los hallazgos del presente estudio concuerdan con investigaciones previas (10) (11), en donde se  
menciona que el área comercial de alimentos perecederos tiende a ser más estricta y rigurosa en  
cuanto a implementar medidas para manipulación, almacenamiento y distribución ya que dichos  
factores influyen directamente con la calidad y frescura del producto. En ese sentido, las  
normativas técnicas son imprescindibles para garantizar que los alimentos mantengas sus  
condiciones aptas y normales durante toda la cadena de suministro.  
Por lo tanto, una gestión logística eficiente contribuye a minimizar el desperdicio de alimentos y  
las pérdidas económicas, mejorando la trazabilidad y el control del proceso de distribución de los  
mismos. De igual manera se ha evidenciado que la planificación de rutas de esos artículos tiende  
a ser un desafío logístico ya que encontrar trayectos óptimos y contar con una flota adecuada es  
clave para optimizar recursos y agilizar los tiempos de entrega (12).  
Los modelos matemáticos de optimización han surgido como respuesta a esos desafíos logísticos  
especialmente en entornos caracterizados por la variabilidad entre oferta-demanda y por la  
producción de bienes para su posterior distribución (13) (14). Tal es el caso de, (15) que al  
implementar un modelo matemático con el propósito de mejorar sus rutas lograron disminuir en  
un 53% los costos operativos, reducir el número de flota pasando de 24 a solo 13 unidades con la  
misma capacidad para cubrir la demanda. Ese resultado fue posible a la optimización en la  
planificación de las rutas de distribución y al uso de la capacidad vehicular, aprovechando de  
manera eficiente el espacio en vehículos.  
Por su parte, (6) emplearon metaheurística orientada a minimizar los tiempos de entrega  
obteniendo hasta un 18.5% en tiempos totales de ruta, de igual manera que esta investigación  
que con un algoritmo de búsqueda basado únicamente en distancias geográficas, tiempos de  
parada y velocidad del vehículo, logró optimizar hasta en 77% los kilómetros recorridos y 11.4%  
el tiempo total de desplazamiento.  
199  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
La implementación de técnicas avanzadas no solo beneficia a las grandes empresas en términos  
de ahorro de costos y tiempo, sino que también contribuyen al medio ambiente al reducir  
significativamente la huella de carbono asociadas a las operaciones del transporte. Por otro lado,  
una de las mayores limitaciones para este estudio fue que no se consideraron aspectos externos  
como el tráfico vehicular y condiciones climáticas que son altamente variables y pueden influir  
directamente en el tiempo de ruta, la propuesta del modelo asumió trayectos sin interrupciones  
lo que podría incidir en los resultados en situaciones prácticas. Sin embargo, el algoritmo al busca  
la ruta más corta y dichos factores adicionales solo incrementarían el tiempo en trayecto mas no  
generarían una alternación en el orden de los puntos de parada.  
El modelo propuesto puede ser adaptado a empresas con situaciones logísticas similares, este  
estudio genera una base teórica y práctica para que futuras investigaciones integren variables  
independientes al modelo de optimización y simular entonos realistas.  
CONCLUSIONES  
La implementación de la metaheurística de búsqueda mediante OR-Tools permitió reducir el  
recorrido en 69.19 kilómetros por trayecto en comparación con las rutas actuales, lo que  
representa un impacto positivo en la gestión del transporte, esta mejora contribuye a una  
disminución en costos operativos, aunque se requiere de un análisis más exhaustivo y mayor  
cantidad de datos históricos para determinar el costo ahorrado y porcentaje correspondiente  
frente a la situación actual.  
El algoritmo de optimización demostró una disminución significativa en las horas de  
desplazamiento logrando un 11% en el tiempo que toma completar la ruta, lo que equivale a dos  
horas y media de reducción al tiempo total en rutas específicas, ofreciendo mayor sostenibilidad  
para la empresa al disminuir la emisión de gases sin comprometer la satisfacción al cliente.  
Este trabajo se presenta como una solución a un problema de enrutamiento de vehículos en un  
contexto real, transporte de alimentos perecederos, una propuesta que integra modelos  
matemáticos junto con herramientas tecnológicas que toman en cuenta ventanas de tiempo,  
velocidad del vehículos y número de clientes para lograr una solución sólida y eficiente para la  
toma de decisiones en el último eslabón de la cadena de suministro.  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
2.  
3.  
Nagaraj PAB, Madhavan B, Suthakorn J, Bradha M. Intelligent ecofriendly transport  
management system based on IoT in urban areas. Environment Development and  
Sustainability. 2022.  
Food F. Financial Food. [Online].; 2023. Available from: https://financialfood.es/el-30-de-  
los-alimentos-perecederos-se-desperdician-por-fallos-logisticos-en-la-cadena-de-  
distribucion/.  
Caspa N. Historia de las carreteras del Ecuador, 1930-1960: Infraestructura y políticas de  
transportes. Revista Uruguaya De Historia Económica. 2023; 22(XXII): p. 10-32.  
200  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
4.  
Shankar L. AI enabled applications towards intelligent transportation. Transportation  
Engineering. 2021; 5: p. 100083.  
5.  
6.  
Drosouli I, AV, pm, 2 gm1ag. Tmd-bert: A Transformer-Based Model for Transportation  
Mode Detection. Electronics. 2023; 12(3): p. 581.  
Fahimeh S, Aliyeh K, Ahmad J, Zeinab S, Hannan A. A robust multi-objective optimization  
model for inventory and production management with environmental and social  
consideration: A real case of dairy industry. Journal of Cleaner Production. 2021; 294(20).  
Carrizo D, Moller C. Estructuras metodológicas de revisiones sistemáticas de literatura en  
Ingeniería de Software: un estudio de mapeo sistemático. Revista chilena de ingeniería.  
2020; 26(1).  
Ortiz A, Rocha L. Optimización de rutas en bases de datos espaciales para solución de  
problemas logísticos de transporte. Revista Ibérica de Sistemas e Tecnologias de  
Informação. 2023;(E57): p. 299-310.  
7.  
8.  
9.  
Monzón A. Repositorio Universidad de La Habana [Tesis de Diplomado]. [Online].; 2023.  
Available  
from:  
https://accesoabierto.uh.cu/files/original/2177065/Extension_de_un_sistema_de_validac  
ion_automatica_para_modelos_de_VRP.pdf.  
Arcos C, Mosquera S, Villada d. Evaluación de rutas para el transporte de productos  
perecederos en el sector rural. Biotecnología en el Sector Agropecuario y Agroindustrial.  
2020; 6(2): p. 40-46.  
10.  
11.  
12.  
13.  
14.  
15.  
16.  
Mera P, Mera R, Mera V, Curay S, Melo A. Gestión De Calidad En El Transporte De Productos  
Agropecuarios Tungurahua, 2023. Revista Científica Internacional Arandu. 2024; 11(2).  
Cachimuel D, Monar R, Velasquez VGP. Proceso de diseño y planificación de rutas de  
transporte para mejorar los tiempos de entrega. Casedelpo. 2022; 7(4): p. 13-30.  
Flores C, Flores K. Modelo de transporte aplicado a una empresa distribuidora de cemento.  
Caso de estudio en Ecuador. FAREM-Estelí. 2021;(40): p. 81-95.  
Zhu C, Müller H. Autoregressive optimal transport models. Statistical Society Series B:  
Statistical Methodology. 2023; 85(3): p. 1012-1033.  
Zapata J, Vélez Á, Arango M. Mejora del proceso de distribución en una empresa de  
transporte. Investigación administrativa. 2020; 49(126): p. 1-17.  
Su H, Wu L, Hua K. The future of the food supply chain: A systematic literature review and  
research directions towards sustainability, resilience, and technology adoption. Digital  
Economy. 2023; 2: p. 303-316.  
17.  
18.  
Abbasian M, Sazvar Z. A hybrid optimization method to design a sustainable resilient supply  
chain in a perishable food industry. Environ Sci Pollut Res. 2023;(30): p. 6080-6103.  
Acevedo J, Soto M, Sana S. An optimization model for routing—location of vehicles with  
time windows and cross-docking structures in a sustainable supply chain of perishable  
foods. Springer Nature Link. 2023; 16: p. 1742-1765.  
19.  
20.  
Ali I, Nagalingam S, Gurd B. A resilience model for cold chain logistics of perishable products.  
The International Journal of Logistics Management. 2019; 29(3): p. 922-941.  
Alzate P, Moyano G, Slater J, Isaza G, Toro E, Jaramillo J. Scientific mapping and research  
perspectives of the vehicle routing problem: An approach from sustainability strategies.  
Sustainable Futures. 2024; 8: p. 100390.  
201  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
21.  
Cui S, Gu X, Xie W, Wu D. Research on Cold Chain Routing Optimization of Multi-distribution  
Center Considering Traffic Performance Index. Procedia Computer Science. 2023; 221: p.  
1343-1350.  
22.  
23.  
Gillespie J, Pacheco T, Cama X, Cadden T, Condell J. Real-Time Anomaly Detection in Cold  
Chain Transportation Using IoT Technology. Sustainability. 2023; 15(3): p. 2255.  
Guaño CSW, Pérez C, Roa H. Multi-objective optimization for perishable product dispatch  
in a FEFO system for a food bank single warehouse. Operations Research Perspectives.  
2024; 12: p. 100304.  
24.  
25.  
26.  
27.  
Hongham B, Yu M, Yang T, Murcio R. Optimization of intermodal transportation routes for  
perishable goods considering customer satisfaction. Research in Transportation Business &  
Management. 2024; 59.  
Karmakar J, Chakraborty S, Khayer N, Foysal M, Rajwana M. Designing an Energy-Efficient  
Transportation Network to Transport Perishable Crops: An Aggregated VRP and X-means  
Clustering Approach. Heliyon. 2023; 9(9).  
Keizer Md, Haijema R, Bloemhof J, Vorst Jvd. Hybrid optimization and simulation to design  
a logistics network for distributing perishable products. Computers & Industrial  
Engineering. 2019; 88: p. 26-38.  
Kumar A, Yadav S, Ambar A, Pandey S. A genetic algorithm model for optimizing vehicle  
routing problems with perishable products under time-window and quality requirements.  
Decision Analytics Journal. 2022; 5: p. 100139.  
28.  
29.  
Lam H, Tang V. Digital transformation for cold chain management in freight forwarding  
industry. International Journal of Engineering Business Management. 2023; 15.  
Liang X, Wang N, Zhang M, Jiang B. Bi-objective multi-period vehicle routing for perishable  
goods delivery considering customer satisfaction. Expert Systems with Applications. 2023;  
220: p. 119712.  
30.  
Madushan F, Thibbotuwawa A, Perera N, Nielsen P, Kenan D. An integrated vehicle routing  
model to optimize agricultural products distribution in retail chains. Cleaner Logistics and  
Supply Chain. 2024; 10.  
31.  
32.  
Meherishi L, Narayana S, K.S.Ranjani. Sustainable packaging for supply chain management  
in the circular economy. Cleaner Production. 2019; 237: p. 117582.  
Miao X, Pan S, Chen L. Optimization of perishable agricultural products logistics distribution  
path based on IACO-time window constraint. Intelligent Systems with Applications. 2023;  
20: p. 200282.  
33.  
Qi C, Hu L. Optimización del problema de enrutamiento de vehículos para la logística de  
emergencia de la cadena de frío basada en una pérdida mínima. Physical Communication.  
2020; 40: p. 101085.  
34.  
35.  
36.  
Raja K, Muhammad S, Muhammad B. Supply chain sustainability and risk management in  
food cold chains. Modern Supply Chain Research and Applications. 2024; 6(2): p. 193-221.  
Ramírez C, Rojas A, García A. A cold chain logistics with IoT and Blockchain scalable project  
for SMEs: first phase. IFAC-PapersOnLine. 2022; 55(10): p. 2336-2341.  
Ren X, JT, Qiao Q, LW, Ren L, Meng L. Demand forecast and influential factors of cold chain  
logistics based on a grey model. Mathematical Biosciences and Engineering. 2022; 19(8): p.  
7669-7686.  
202  
GESTIÓN DEL TRANSPORTE PARA LA COMERCIALIZACIÓN DE LECHE UHT EN UNA EMPRESA DEL SECTOR LÁCTEO  
37.  
Saeed N, Hoff A, Larsen O. Analysis of hinterland transport strategies when exporting  
perishable products. Research in Transportation Business & Management. 2022; 43: p.  
100766.  
38.  
39.  
40.  
Shi H, QZ, Qin J. Cold Chain Logistics and Joint Distribution: A Review of Fresh Logistics  
Modes. MDPI Systems. 2024; 12(7): p. 264.  
Oladime D, Gupta K, Kose NA, Gundogan K, Ge L, Liang F. Smart Transportation: An  
Overview of Technologies and Applications. Sensors. 2023; 23: p. 3880.  
Zakaryaei R, Javadian N, Mehdi M. Optimization and incorporating of green traffic for  
dynamic vehicle routing problem with perishable products. Enviromental Science and  
Pollution Research. 2021; 28: p. 36415–36433.  
41.  
42.  
Babaee E, Serhan N. Integrated design of sustainable supply chain andtransportation  
network using afuzzybi-level decision support system for perishable products.  
ExpertSystemsWithApplications. 2022; 195: p. 116628.  
Suryawanshi P, Pankaj D. Distribution planning problem of a supply chain of perishable  
products under disruptions and demand stochasticity. International Journal of Productivity  
and Performance Management. 2021; 72(1): p. 246-278.  
43.  
44.  
Pan L, Shan M, Li L. Optimizing Perishable Product Supply Chain Network Using Hybrid  
Metaheuristic Algorithms. MDPI Sustainability. 2023; 15: p. 10711.  
Li L, Li S, Weimin Li- FZ. Freshness-driven vehicle routing problem: modeling and application  
to the fresh agricultural product pick-storage-transportation. Journal of Industrial and  
Management Optimization. 2023; 19: p. 6218-6243.  
45.  
Qiuyung T, Hongyan S, Hengwei G, Ping W. Improved Particle Swarm Optimization  
Algorithm for AGV Path Planning. IEEE Access. 2021; 9: p. 33522-33532.  
203