HaulPilot
Cada kilómetro planificado, costeado y justificado.
- Cliente
- Crossland Logistics
- Año
- 2020
- Duración
- 9 meses
- Tamaño del equipo
- 6 ingenieros
Demo interactiva
Una maqueta interactiva del producto que construimos — haz clic y explora.
Interfaz de demostración en inglés.
El reto
Los planificadores de Crossland montaban las rutas del día en hojas de cálculo desde las 4 a. m., y terminaban a menudo después de la salida teórica de los primeros camiones. El combustible, segunda partida de costes, no dejaba de subir; el 31 % de los kilómetros se recorría en vacío y una de cada cinco entregas fallaba su franja, activando penalizaciones con dos cadenas nacionales. Los datos telemáticos existían — los tacógrafos alimentaban un sistema heredado — pero nadie veía posición, horas de conducción y promesas de entrega en una sola pantalla. El director de operaciones necesitaba una optimización que respetara a la vez tiempos de conducción, pesos y ventanas de cliente, sin contratar un equipo de matemáticos.
Nuestra solución
Construimos HaulPilot en torno a un motor de optimización en Python sobre OSRM y PostGIS que replanifica la red cada quince minutos con las restricciones reales: horas de conducción, pesos por eje, tráfico y franjas reservadas. Kafka lleva los eventos de tacógrafo y GPS a una consola de despacho en React renderizada con Mapbox: los planificadores resuelven excepciones arrastrando, sin rehacer planes. Una app para conductores gestiona navegación, fotos de prueba de entrega y firmas. Todo corre en Kubernetes con despliegues blue-green, y el solucionador se evalúa cada noche contra los datos reales del día anterior: sus propuestas ya superan a los planes manuales en el 94 % de las jornadas simuladas.
Resultados
Stack tecnológico
¿Te enfrentas a un reto parecido?
Ya hemos resuelto este tipo de problema. Hablemos de cómo esa experiencia se aplica a tu situación.
Hablar sobre tu proyectoSiguiente caso de éxito
Lumina Learn →