Ciencia de datos aplicada a la predicción de demanda de combustible de transporte logístico terrestre bajo condiciones de movilidad restringida. Estudio del caso: ASPO-YPF

La situación de aislamiento social preventivo y obligatorio (ASPO) que se ha presentado en nuestro país generó nuevas condiciones de entorno para el problema logístico de transporte dentro del territorio nacional. El importante cambio en el flujo vehicular y el consumo de combustible asociados al transporte terrestre requirieron la creación de nuevos modelos predictivos asociados a un conjunto de datos inéditos históricamente (por ejemplo: la geolocalización de conductores).  La manipulación y el análisis adecuado de estos datos en tiempo proveen un “prognóstico” (diagnóstico + predicción) de mayor ajuste a la logística real bajo este tipo de situación de ASPO replicable a otras situaciones de similares características restrictivas. Analizando las bases de datos de consumo de combustible disponibles en abierto en páginas oficiales, así como los datos de la empresa YPF, y hallando una correlación positiva entre las variables asociadas a la demanda de combustible y la movilidad registrada por Google, se desarrollan nuevos modelos predictivos (fórmulas) que descartan antiguos indicadores y proponen nuevos, para la estimación ajustada de la demanda de combustible en situaciones de aislamiento así como del cálculo del impacto ambiental logístico asociado a una movilidad restringida.