Analytical methods for logistic tenders

Abstract

The concept of reverse auction or tender is gaining importance in the logistics and transportation industry. The number of services contracted through this process is increasing, and many provider companies need to provide competitive prices to gain them. A first part of the approach details different projects to improve organizationally the tender process. A second part of the approach presents the complete structure of the Smart Tenders Management with Artificial Intelligence project, which is divided in four stages; (1) Automation of Transport Cost Analysis, (2) Predicting Cost Evolution and Establishing Long-term Tariffs, (3) Modelling Success Probabilities in Tenders and (4) Optimization of the Tenders Portfolio. The main goal of this project focuses on the second stage of the Smart Tenders Management with Artificial Intelligence project. That is, the development of a methodology with few parameters (alpha, beta and gamma), which are automatically adjusted, based on time series and more concretely Winters¿ Method. It allows to calculate low-risk forecasted intervals, giving the decision-maker information regarding which is the most adequate long-term tariff to offer in the tender. For the experimentation with RStudio, ocean freight rates from Rotterdam to Shanghai during 7 years are used, from 2012 to 2018. Finally, after reading the data, fitting and testing the model, the calculation for the low-risk interval for the data used is obtained.

El concepto de subasta inversa o licitación está ganando importancia en la industria de la logística y el transporte. El número de servicios contratados a través de este proceso está aumentando, y muchas empresas proveedoras necesitan ofrecer precios competitivos para obtenerlos. Una primera parte del enfoque detalla diferentes proyectos para mejorar organizativamente el proceso de licitación. Una segunda parte del enfoque presenta la estructura completa del proyecto Smart Tenders Management with Artificial Intelligence, que se divide en cuatro etapas; (1) Automatización del análisis de costos de transporte, (2) Predicción de la evolución de costos y establecimiento de tarifas a largo plazo, (3) Modelado de probabilidades de éxito en licitaciones y (4) Optimización de la cartera de licitaciones. El objetivo principal de este proyecto se centra en la segunda etapa del proyecto Smart Tenders Management with Artificial Intelligence. Es decir, el desarrollo de una metodología con pocos parámetros (alfa, beta y gamma), que se ajustan automáticamente, en función de series de tiempo y, más concretamente, del método de Winters. Permite calcular intervalos pronosticados de bajo riesgo, brindando al tomador de decisiones información sobre cuál es la tarifa a largo plazo más adecuada para ofrecer en la licitación. Para la experimentación con RStudio, se utilizan las tarifas de transporte marítimo de Rotterdam a Shanghai durante 7 años, de 2012 a 2018. Finalmente, después de leer los datos, ajustar y probar el modelo, se calcula el intervalo de bajo riesgo para los datos utilizados.

El concepte de subhasta inversa o licitació està guanyant importància a la indústria de la logística i el transport. El nombre de serveis contractats a través d'aquest procés està augmentant, i moltes empreses proveïdores necessiten oferir preus competitius per a obtenir-los. Una primera part del treball detalla diferents projectes per millorar organitzativament el procés de licitació. Una segona part presenta l'estructura completa del projecte Smart Tenders Management with Artificial Intelligence, que es divideix en quatre etapes; (1) automatització de l'anàlisi de costos de transport, (2) predicció de l'evolució de costos i establiment de tarifes a llarg termini, (3) modelatge de probabilitats d'èxit en licitacions i (4) optimització de la cartera de licitacions. L'objectiu principal d'aquest projecte se centra en la segona etapa del projecte Smart Tenders Management with Artificial Intelligence. És a dir, el desenvolupament d'una metodologia amb pocs paràmetres (alfa, beta i gamma), que s'ajusten automàticament, en funció de sèries de temps i, més concretament, del mètode Winters. Permet calcular intervals pronosticats de baix risc. Per l'experimentació amb RStudio, s'utilitzen les tarifes de transport marítim de Rotterdam-Xangai durant 7 anys, de 2012 a 2018. Finalment, després de llegir les dades, ajustar i provar el model, es calcula l'interval de baix risc.