GreenRoute: Optimización de Rutas con IA para Entregas de Última Milla
Una plataforma de optimización de rutas que utiliza ML para reducir los tiempos de entrega en un 28% y los costos de combustible en un 19%. Procesa más de 15,000 entregas diarias en toda la región del CCG.
28%
Entregas más rápidas
19%
Reducción de costos de combustible
96%
Tasa de puntualidad
15K+
Entregas diarias
El desafío
GreenRoute Logistics gestiona entregas de última milla para empresas de comercio electrónico en Dubai, Riad y Doha. Con más de 15,000 entregas diarias en 200 conductores, su planificación manual de rutas había llegado a un límite. Los despachadores pasaban 3 horas cada mañana asignando rutas basándose en experiencia e intuición, y las rutas a menudo eran subóptimas, lo que generaba entregas tardías, altos costos de combustible y conductores frustrados.
El problema se agravaba por los desafíos únicos de las entregas en el CCG: calor extremo que requiere cumplimiento de cadena de frío para ciertos productos, comunidades cerradas con horarios de acceso restringido, nuevos desarrollos que aún no están en Google Maps y patrones de tráfico que cambian drásticamente durante el Ramadán y períodos festivos.
Nuestro enfoque
Construimos un sistema de tres componentes: un servicio ML en Python para optimización de rutas, una aplicación móvil Flutter para conductores y un panel web Next.js para despachadores. El servicio ML utiliza un solucionador de problema de enrutamiento de vehículos (VRP) modificado mejorado con aprendizaje automático para predicción de tiempos de viaje.
El algoritmo central combina Google OR-Tools para optimización combinatoria con un modelo personalizado de aumento de gradiente entrenado con 6 meses de datos históricos de entregas de GreenRoute. El modelo predice tiempos de viaje reales entre ubicaciones basándose en la hora del día, día de la semana, clima y patrones estacionales, mucho más precisos que las estimaciones de Google Maps para vehículos de entrega en el tráfico del CCG.
También construimos un motor de restricciones que maneja los requisitos únicos del CCG: ventanas de tiempo para comunidades cerradas, enrutamiento de cadena de frío que minimiza el tiempo de tránsito para productos sensibles a la temperatura, coincidencia de habilidades del conductor (algunas entregas requieren levantamiento pesado o manejo especial) y búferes de hora de oración integrados en los horarios de los conductores.
La aplicación del conductor: diseñada para uso con una sola mano
La aplicación del controlador de Flutter fue diseñada con una única restricción: debe ser completamente operable con una mano mientras el conductor está en una parada de entrega. Objetivos de toque grandes, gestos de deslizamiento para actualizaciones de estado, navegación activada por voz y confirmación automática de entrega mediante geofencing. Los conductores pasan menos de 5 segundos interactuando con la aplicación por entrega.
La aplicación también proporciona ajustes de ruta en tiempo real. Si una entrega falla (cliente no está en casa), el conductor presiona un botón y el sistema recalcula instantáneamente la ruta restante, potencialmente reorganizando las paradas para minimizar el retroceso. Si las condiciones del tráfico cambian durante la ruta, la aplicación sugiere rutas alternativas sin requerir intervención del despachador.
Panel del despachador: de 3 horas a 15 minutos
El panel del despachador de Next.js reemplazó el ritual matutino de planificación de rutas. Los despachadores ahora cargan el manifiesto de entrega diario (integración CSV o API con la plataforma de comercio electrónico del cliente), revisan las rutas generadas por IA en un mapa interactivo, realizan ajustes manuales (clientes VIP, instrucciones especiales) e impulsan rutas a todos los conductores con un solo clic.
El panel también proporciona visibilidad de la flota en tiempo real: ubicaciones de conductores, progreso de entrega, tiempos de finalización predichos y alertas automáticas de retrasos. Esta vista en tiempo real reemplazó un grupo de WhatsApp donde los despachadores rastreaban manualmente a los conductores.
Resultados
Después de 3 meses en producción, los números hablan claramente: tiempo promedio de entrega reducido en un 28% (de 45 minutos entre paradas a 32 minutos), costos de combustible reducidos en un 19% en toda la flota, tasa de entrega a tiempo mejorada del 82% al 96%, y tiempo de planificación de rutas matutinas reducido de 3 horas a 15 minutos.
La satisfacción del conductor también mejoró significativamente. Las rutas optimizadas son más lógicas (menos retrocesos), la aplicación reduce llamadas telefónicas de despachadores, y los conductores terminan sus rutas más temprano. La retención de conductores mejoró en un 22% en el primer trimestre, un ahorro de costos importante en una industria con una rotación notoriamente alta.
GreenRoute ha expandido desde entonces el sistema a sus operaciones en Riad y Doha y está explorando agregar modelado de demanda predictiva — usando datos históricos para preposicionar inventario en ubicaciones satélites antes de que lleguen los pedidos.
Lecciones aprendidas
Los datos históricos superan los modelos teóricos. Nuestras predicciones de tiempo de viaje entrenadas con datos reales de entrega superaron ampliamente las API de enrutamiento genéricas porque capturan la realidad del transporte de entrega — tiempo de estacionamiento, acceso a edificios, interacción con clientes — no solo tiempo de viaje en carretera.
El contexto regional es enormemente importante para la logística. Programación de tiempos de oración, patrones de tráfico de Ramadán, restricciones de enrutamiento por calor extremo — estos no son casos extremos en el CCG, son requisitos fundamentales. Cualquier optimización logística que los ignore fracasará en producción.