XI Conferencia Científica Internacional de Ingeniería Mecánica

COMEC2023

VI Simposio de Logística y Gestión de la Calidad

Bicicletas de carga automatizadas: Evaluación de la aplicación para el reparto de mercancías

Resumen

El transporte de mercancías en áreas urbanas se enfrenta a desafíos críticos en términos de eficiencia, impacto ambiental y vivibilidad de la ciudad. El Eaasy System (Electric Adaptive Autonomous Smart deliverY System, es decir, Sistema de Entrega Inteligente Autónoma Adaptativa Eléctrica) busca abordar estas cuestiones, proporcionando una solución intermedia entre robots de entrega pequeños y furgonetas de entrega más grandes, mediante el desarrollo de funciones de conducción automatizada adaptativa para bicicletas de carga.

Estas funciones permiten tanto el control manual, para rutas largas o complejas, como la operación autónoma, dependiendo de las demandas de la tarea. Para validar la aplicabilidad del sistema, se utiliza una herramienta de planificación basada en simulación que calcula los ahorros de tiempo potenciales y el retorno de inversión para rutas de entrega específicas, comparándolo con bicicletas de carga convencionales. Este artículo introduce el Eaasy System y desarrolla un modelo conceptual que define meticulosamente objetivos, entradas, salidas y contenido, estableciendo un paso fundamental hacia el desarrollo futuro de un modelo de simulación, y proporciona una metodología estructurada para explorar las entregas de bicicletas de carga automatizadas adaptativas en diferentes contextos urbanos.

Abstract

Freight transport in urban areas faces significant challenges related to efficiency, environmental impact, and city livability. A promising approach to this is the deployment of autonomous or automated delivery vehicles. Existing solutions, however, still confront limitations, with larger automated vehicles, i.e., delivery vans exacerbating traffic congestion, and small delivery robots suffering from limited capacity and speed.

In the Eaasy System (Electric Adaptive Autonomous Smart deliverY System) research project, we develop a delivery system that bridges the gap between automated delivery robots and vans, specifically through developing adaptive automated driving functions for cargo bikes. These functions enable both manual control (e.g., for longer or complex routes) and autonomous operation based on task demands. To validate the system’s applicability, we employ a simulation-based planning tool that calculates potential time savings and return on investment for specific delivery routes or urban regions, referencing delivery via conventional cargo bikes.

This paper pivots on the development of a comprehensive conceptual model, which meticulously defines objectives, inputs, outputs, and content, laying a foundational step towards the future development of a simulation model. Our work introduces the Eaasy System and provides a systematic depiction of the conceptual modeling process, thereby offering a structured methodology for exploring adaptive automated cargo bike deliveries in diverse urban contexts.