Optimización del catálogo de empaque secundario
Bonsai Corp gasta hoy $209.3M anuales enviando 427 productos en 204 tipos de caja distintos. Rediseñamos ese catálogo respetando cada restricción física y comercial del negocio, y validamos un ahorro de $20.9M anuales — sin tocar un solo producto ni una sola planta.
Un catálogo fragmentado: 204 tipos de caja para 427 productos
Cada vez que Bonsai Corp lanzó un producto nuevo, alguien le diseñó una caja a medida. Funciona bien producto por producto — pero después de años, el resultado es un catálogo de 204 tipos de caja para apenas 427 productos, despachados desde 5 plantas en 5 regiones distintas. Cada tipo de caja tiene su propio molde, su propio precio por volumen y su propia eficiencia de pallet.
El costo se compone de dos partes que tironean en direcciones opuestas: packaging (más barato cuanto más volumen anual tenga un tipo de caja) y flete (que depende de cuántas cajas entran físicamente en un pallet). Optimizar una sin mirar la otra es garantía de perder plata en algún lado.
Del producto al pallet: el recorrido de cada SKU
US$20.9M de ahorro anual, totalmente validado
Rediseñamos el catálogo de cajas de Bonsai Corp y encontramos $20.9M de ahorro anual — un 9.96% del costo actual — sin tocar un solo producto, sin cambiar ninguna planta, y sin violar ninguna de las restricciones físicas o comerciales del negocio. No es una proyección: está validado producto por producto contra un chequeador independiente, no solo confiado al criterio del modelo que lo generó.
Achicar este producto 44mm (dentro de su banda permitida) desbloquea 50% más cajas por fila en el mismo pallet. Esa fila se repite en cada capa, en cada pallet, en cada envío del año — así es como una diferencia de milímetros se convierte en millones de dólares.
Cómo resolvimos la optimización
Construimos un modelo que mira los 427 productos al mismo tiempo: para cada uno, calcula el costo exacto de cada caja que podría usar — cuánto cuesta en flete, cuánto en packaging — y resuelve de una sola vez cuál es la mejor asignación posible para todo el catálogo junto, no producto por producto ni grupo por grupo.
Costo exacto de cada combinación posible producto↔caja
Esto le permite al modelo tomar decisiones que serían difíciles de ver a simple vista — por ejemplo, que dos productos de formas bastante distintas compartan la misma caja porque, en conjunto, esa combinación resulta más barata que cualquier otra alternativa. Ninguna decisión se toma sin conocer de antemano su costo real.
El detalle matemático de cómo se calcula ese costo — el encaje físico en el pallet y los tramos de descuento por volumen — está documentado en el anexo técnico (Ítem 05), para quien quiera entrar en el mecanismo.
Fundamentos técnicos del modelo de costos
Esta sección es para quien quiera entrar en el mecanismo matemático: qué es exactamente lo que resuelve el modelo, y cómo llega a la asignación final de 427 productos a tipos de caja.
Análisis exploratorio: el punto de partida
Antes de tocar una sola variable de decisión, así se veía el catálogo con el que operaba Bonsai Corp: 204 tipos de caja activos para 427 productos, con una utilización de pallet que ya dejaba margen visible sobre la mesa.
El largo es prácticamente uniforme — las 204 cajas caen en la misma banda de 350–400mm, fijada por la línea de producción — pero el ancho y el alto se dispersan de forma casi continua entre 150 y 350mm. 204 moldes distintos para resolver, en el fondo, un puñado de combinaciones de volumen: la primera señal cuantitativa de fragmentación.
117 de los 204 tipos de caja (57%) existen para un único producto. Es el diagnóstico detrás de la decisión de negocio: gran parte del catálogo no comparte molde con nadie, a pesar de que muchos de esos productos tienen volúmenes casi idénticos entre sí.
Justificación de las decisiones metodológicas
Tres decisiones de diseño determinan el resultado, y las tres están ancladas en cómo se compone el costo real de Bonsai Corp — no en preferencia técnica del equipo:
El flete representa ~86% del costo total del punto de partida ($179.1M de $209.3M); packaging es el 14% restante. Agrupar dos productos en la misma caja porque "se parecen en tamaño" no baja el costo si esa caja sigue cabiendo mal en el pallet — agruparlos porque comparten la candidata que maximiza cajas por pallet sí lo hace, siempre. Por eso el criterio de asignación es 100% costo total, nunca similitud dimensional, y por eso el modelo termina generando 59 tipos de caja sin que ese número sea, en ningún momento, un objetivo explícito del modelo.
No se pondera uno por encima del otro con un factor arbitrario: ambos entran en dólares reales a la misma función objetivo, porque ya están en la misma unidad (USD/año). El trade-off real está en los tiers de descuento del proveedor de cajas — a veces conviene aceptar una candidata con más volumen de caja si el volumen agregado cruza a un tier superior, aunque encarezca ligeramente el flete de esa línea. El LNS dirigido (Capa 3 de la metodología) es exactamente esa búsqueda: identifica combinaciones (caja, planta) cerca de un salto de tier y evalúa si moverlas compensa el costo total.
Antes, 163 combinaciones caja–planta operaban en el tier más caro (menos de 20 mil unidades anuales, sin descuento). Después de consolidar, el volumen se redistribuye hacia los tiers 4 y 5 — el mecanismo concreto detrás de gran parte del ahorro en packaging.
La reducción de 204 a 59 tipos de caja no tiene un costo de inventario asignado en los datos de origen, así que no se modela como término de la función objetivo — se reporta como beneficio de negocio secundario, no oculto: menos moldes activos significa menos SKUs de packaging que gestionar y menor complejidad operativa en planta. El ahorro de $20.9M que se reporta es 100% costo directo de packaging y flete; no incluye ningún valor estimado de ese beneficio de inventario, para no sobreestimar el caso de negocio.
Impacto en utilización de pallet, por planta
La utilización de pallet mejora en las cinco plantas sin excepción — es la métrica física que explica, planta por planta, de dónde sale el ahorro de flete:
¿Qué es un MILP?
MILP (Mixed-Integer Linear Programming) es una técnica matemática para resolver problemas de decisión con muchas alternativas discretas. En este caso: «¿qué caja usa cada producto?» El solver explora ese espacio de forma sistemática y devuelve la combinación de menor costo total que cumple todas las restricciones a la vez — no una por una, sino las 427 decisiones juntas, viendo cómo se afectan entre sí.
Cómo se llega a la asignación final
La solución se construye en tres capas, cada una apoyada en la anterior:
Para cada producto se enumeran combinaciones de dimensiones válidas dentro de la banda ±10% que maximizan cajas por pallet. El resultado: 955 candidatas únicas — en promedio ~55 opciones compatibles por producto.
La asignación de 427 productos se formula como un programa lineal entero mixto que minimiza el costo total de packaging + flete. El costo de flete es lineal; el de packaging (tiers de descuento que re-precean todo el volumen) se linealiza con una técnica big-M estándar. El solver encuentra +9.80% de ahorro en la primera resolución.
Con las 955 candidatas el MILP completo es demasiado grande. Se refina con búsqueda local dirigida: se identifican las oportunidades de cruzar un tier de packaging, se construye una vecindad acotada y se resuelve un modelo chico, aceptando el cambio solo si el costo total baja. Tras 5 rondas se alcanza +9.9552% y la heurística converge (plateau).
Antes de exportar, el pipeline valida fila por fila las cuatro restricciones físicas (headspace, compresión, ajuste dimensional, volumen mínimo). Resultado: 427 / 427 sin fallas.
Próximos pasos para maximizar el valor capturado
Bonsai Corp puede capturar US$20.9M de ahorro anual sin renegociar con proveedores, sin cambiar volúmenes de producción y sin tocar una sola planta — solo decidiendo mejor qué caja usa cada producto. El resultado está validado producto por producto contra un chequeador independiente, y a menos de 0.2 puntos porcentuales del mejor techo teórico identificado. Es ahorro real, de bajo riesgo de implementación, listo para ejecutar.
El resultado actual está a menos de 0.2 puntos porcentuales del mejor techo teórico que identificamos para este catálogo. Quedan tres caminos concretos para seguir cerrando esa brecha: