In light of this scenario, Lumini was challenged to evaluate the dataset of all delivery routes carried out, iniciando a construção de um algoritmo para otimização de rotas com IA e sugestões de melhorias com base em estatísticas.

Assim, a empresa de TI iniciou o projeto analisando os dados e informações com relação às rotas de entregas naquele ano.

We divided the project into three stages: first, we performed data treatment and cleaning, then exploratory data analysis, and finally, the generation of propensity models.

Foram analisadas as cidades com a maior quantidade de entregas. “Analisamos as atividades por centro de distribuição, entendendo que um deles era o responsável por mais de 50% das entregas.”

A solução adotada foi baseada na relação entre as cidades nos roteiros realizados. A partir das correlações encontradas entre elas, foi possível verificar se as cidades consideradas importantes estavam sendo atendidas pelos melhores Centros de Distribuição.

Com os roteiros relevantes filtrados, a próxima etapa foi avaliá-los. Para fazer isso, ordenou-se as cidades de um roteiro de tal forma que a distância percorrida fosse a menor possível.

Para a criação desses roteiros otimizados, foram adotadas as seguintes premissas: o caminhão não pode passar duas vezes pela mesma cidade no percurso, precisa realizar 100% das entregas e voltar ao ponto de partida.

Assim, a Lumini calculou a distância total percorrida e o ponto de partida ideal (considerando os Centros de Distribuição disponíveis). A distância total percorrida foi usada para comparar os roteiros atuais com os roteiros otimizados.