AgroSearch

Crònica del Projecte d'Optimització Logística (AgroSearch) El projecte va començar amb el debat i l'elecció del repte. El problema elegit pel nostre grup finalment va ser el proposat per l'empresa Agrotecnio, que consisteix a desenvolupar un programari per ajudar els usuaris a planificar i optimitzar les rutes logístiques dels camions en el trajecte de les granges de porcs als escorxadors. El nivell de coneixement de l’equip era molt limitat en les tecnologies clau. Malgrat que ningú de l'equip sabia Python, l'Isaac Ibañez en coneixia unes nocions bàsiques. Es va decidir resoldre el problema d’Agrotecnio, perquè el seu plantejament va recordar l’equip el sistema de moviment dels mobs a Minecraft, que utilitza l’algoritme A*. Per tal de facilitar el treball en equip, es va instal·lar JetBrains (PyCharm) per al desenvolupament en Python, juntament amb WebStorm per realitzar la part de frontend, tot i que cap membre de l'equip tenia experiència prèvia en aquest àmbit. De la hackaton de l’any anterior, la HackEPS2025, es va extraure l’idea de representar el mapa amb l’API de Google Maps. Es va fer recerca, que es va focalitzar en l'aprenentatge de la API de Google Maps mitjançant tutorials de YouTube, buscant maneres per calcular la distància entre coordenades utilitzant només carreteres ("how to use a google maps api to calculate distance from two coordinates using only roads" seria un exemple d’una de les busques fetes). Aquests coneixements eren fonamentals per desenvolupar un codi en Python capaç d'avaluar el temps i la distància de totes les rutes possibles d’un camió, per trobar la ruta amb més benefici econòmic. L'algoritme havia de prioritzar sempre les granges amb més pes per optimitzar la càrrega, i s'havia de permetre l'actualització dinàmica d’un 'arxiu JSON canviant valors a una taula interactiva per l’usuari. Per a la traçabilitat, es va requerir el registre de mètriques crucials: nombre de porcs lliurats i restants, totals diaris de l'escorxador, ús de camions (utilització i disponibilitat), i mètriques diàries i acumulatives (benefici total, distància total, penalitzacions, etc.). Un moment clau va ser quan, després de demanar ajuda a uns mentors, ens van introduir conceptes avançats relacionats amb el projecte, com el funcionament d'internet, la xarxa neuronal i la utilització del sistema OSRM (Open Source Routing Machine), una eina de codi obert per a l'encaminament ràpid. Posteriorment, l'equip es va dividir en aprenentatge específic en: l'algoritme de cerca de camins òptims A* (A-star), els algorismes de classificació K-NN (K-Nearest Neighbors), i el paquet d'optimització de Google OR-Tools, d'altres es dedicaven a definir i programar les funcions necessàries. L'algoritme fet servir finalment va ser TSP.

Van haver els següents problemes principals durant el desenvolupament: L’equip no disposava d’una API Key de Google Maps, per lo que va canviar varies vegades d’algoritme de path finding, acabant amb TSP i fent servir Open Street Map API com a mapa. Es va voler escalar l’envergadura del projecte, afegint més granges a la base de dades. Això és va fer amb intel·ligències generatives. El problema va ser que hi havien coordenades en el mapa en llocs no aptes per una granja, com per exemple, el mar. Va haver varis problemes en editar el codi, format per un arxiu .json, que contenia les dades del projecte, un arxiu .py, que realitzava la funció de backend del programa i un arxiu .html, que realitzava la funció de frontend. El que va succeir és que, per un problema de noms de variables, el frontend i el backend, no funcionaven junts.

No tenim els prompts exactes que s’han enviat a IAs degut que són massa llargs i elaborats per introduir-los en el document de forma útil.

El repository del projecte és següent:https://github.com/IsaacIbanez/REQUIEM