• 

  Chappy AI companion

Inspiration

La distribución de DDI es compleja: los conductores salen cada mañana sin saber en qué orden descargarán ni cómo está organizado el camión. Nadie había optimizado las dos cosas juntas.

What it does

Calcula automáticamente el orden óptimo de visita de los clientes y el plan de carga del camión coherente con ese orden. Tiene en cuenta horarios de clientes, tráfico histórico, carreteras reales y el peso real de cada entrega.

How we built it

Python con OR-Tools para la optimización de rutas, OSRM para tiempos y geometría real de calles, MongoDB para persistencia y Next.js con Mapbox para el dashboard. Los datos vienen directamente de los Excel de DDI.

Challenges we ran into

Las restricciones horarias duras hacían el problema matemáticamente imposible. Lo resolvimos con time windows blandas y penalización por segundo de retraso. También fue un reto obtener coordenadas GPS reales a partir de las direcciones en texto.

Accomplishments that we're proud of

22 paradas reales en Mollet del Vallès optimizadas en menos de 30 segundos, con geometría real de calles, tiempos de descarga basados en pedidos reales y dashboard individual por repartidor.

What we learned

Optimizar ruta y carga juntas es un problema radicalmente distinto a hacerlo por separado. Y que la calidad de los datos de entrada determina completamente la calidad del resultado.

What's next for Ruta Damm

Geocodificación real de clientes, integración con SAP en tiempo real, optimización del picking en almacén y app móvil para el conductor.

Built With

• html
• javascript
• python
• react
• sqlite