01 —Logística operativa · Barcelona

Optimitzemla teva

Cada dia surt un camió de DDI Mollet amb 18 clients i 837 unitats. Avui es planifica a mà i de forma subòptima. Nosaltres ho fem en trenta segons, palet a palet.

Provar la demoApp conductor
Ruta real
DR0027
Clients
18
Unitats
837
· live preview
carregant camió 3D…
DDI · Mollet del Vallès
Cas real · Operativa diària · 18 clients · OsonaInterhack BCN — 2026
02 —El problema avui

El mateix puzzle.
Cada matí.

DDI Mollet planifica la ruta DR0027 a mà cada dia. Càrrega, seqüència, retornables. Tot manual.

  1. 01

    Càrrega manual

    Es calcula per referència sense optimitzar l'espai. Es desaprofita un 20% de la capacitat útil del camió.

  2. 02

    Ruta no optimitzada

    Sortida a les 07:00, retorn a les 18:00. Un 20% més de quilòmetres dels necessaris cada dia.

  3. 03

    Retornables complexos

    Un 60% dels productes són envasos retornables. Es gestionen a mà, ocupen lloc imprevist al camió següent.

03 —Com funciona

Quatre passos del CSV a la carretera.

Cap configuració. Cap login. Carregues el fitxer i el pla és a sobre la taula.

  1. 01

    Carrega els fitxers

    CSV de clients, comandes i productes del dia. Sense formats propietaris.

  2. 02

    Calcula ruta + càrrega

    Heurístiques: clustering per municipi, bin-packing 3D, nearest-neighbor.

  3. 03

    Visualitza el pla

    Mapa per zones, camió 3D amb la càrrega, KPIs clau, llista de palets.

  4. 04

    El conductor executa

    Tablet a bord: ruta, entregues, excepcions de "client tancat" en un clic.

04 —Funcionalitats

Quatre peces.
Una sola eina.

  • I

    Optimització de ruta

    Nearest-neighbor + clustering per zones. Redueix 20–30% dels km totals diaris.

  • II

    Càrrega 3D intel·ligent

    Empaquetat automàtic mitjançant una metaheurística de strip packaging basada en un model de cost multicriteri, que considera i pondera variables com el pes, el volum, l'estabilitat de la càrrega i la reserva d'espai necessària per als retornables previstos per generar una distribució òptima.

  • III

    Logística inversa

    Gestió de 260+ envasos retornables. Visualització acumulativa per entrega, exportació al full d'albarà.

  • IV

    App conductor

    Tablet 1024×768 a bord. Ruta guiada, marcatge d'entregues, gestió de l'excepció "client tancat" en un clic.

·Motor de decisió

Un problema. Dos motors.

Com descomponem ruta + càrrega en dos subproblemes independents — i per què això ho canvia tot.

Motors
2

independents

Capes
3

clustering

Approaches
3 → 1

evaluats

INPUT18 · 837 · 3clients · unitats · finestresDR0027Osona · 2026-05-08CLUSTERINGhorari × zonak-medoidspark-and-walkAENGINE ARutaVARIABLES7SCORE0.90En quin ordre visitar?LightGBM · 2-opt · clusteringBENGINE BCàrregaVARIABLES9SCORE0.94Com carregar?Simulated Annealing · 3D packesquema · §A → §Ev1 · 2026-05
§APlantejament

Dues simplificacions honestes. Dos problemes independents.

01 · El que entra

  • Clients

    18

  • Productes

    837

  • Finestres horàries

    3

  • Camió

    7524KXX

  • Layout magatzem

    A→F

  • Retornables previstos

    259

02 · Dues constants que treiem del problema

MOLLABCDEFPESATS · ALTA ROTACIÓLLEUGERS · BAIXA ROTACIÓ
Layout fixatMoll càrrega · A → F
01

Layout magatzem fixat

SKUs pesats i més demanats prop del moll. Decisió històrica, no per ruta.

6 min4 min2 minBar PavellóCafè CentralRestaurant El TupíBar La PlaçaP
Punt d'aparcamentRadi a peu · 6 min
02

Coneixement del conductor · park-and-walk

Els conductors coneixen les seves zones. Saben on poden aparcar (no enmig d'un polígon ple de cotxes) i caminen als clients des d'aquell punt. El clustering converteix aquest coneixement en eficiència operacional.

03 · Clustering en tres capes

El mateix conjunt de 18 clients vist a tres resolucions diferents.

18 / 18 sense estructura
00Capa 0 · Inicial

18 clients dispersos

Sense estructura. L'estat de l'art a DDI Mollet: l'operari decideix l'ordre matí del lliurament.

08–1111–1313–153 slots temporals
01Capa 1 · Temporal

Agrupació per finestra horària

Cada client té un slot. Els slots dicten 'què ha d'estar entregat abans de les 12:30'.

PPP3 parades · 18 entregues
02Capa 2 · Geogràfic

Park-and-walk per zona

Dins de cada slot, k-medoids identifica un punt d'aparcament per zona. El conductor cobreix N clients caminant des d'allà.

04 · Què surt: dos problemes independents

AEngine A · Ruta

En quin ordre visitar?

BEngine B · Càrrega

Com carregar per a aquest ordre?

“El Load Engine no necessita saber per on passa el camió — només en quin ordre es descarrega. Per això són independents.”

§BEngine A · Ruta

En quin ordre visitar?

Clustering compost (horari × zona) → 2-opt intra-clúster → stitching temporal. Predicció de trànsit LightGBM (UFI-style).

A
MDEPOTCalldetenes08:00–10:30 · 6 clientsVilatorta10:30–12:30 · 7 clientsFolgueroles13:00–14:30 · 5 clients

Predicció trànsit

LightGBM

· UFI BCN architecture

Clustering compost

α · dist_temporal  +  β · dist_geogràfica

Optimitzador

nearest-neighbour + 2-opt local search

Output

ordre de visita · ETA per parada

Variables del score · 7

  1. 01Distància (km)soft
  2. 02Temps viatge amb trànsitsoft
  3. 03Meteo (pluja · boira)soft
  4. 04Finestres horàries per clienthard
  5. 05Service time per paradasoft
  6. 06Constraint de zona compactahard
  7. 07Prioritat clientsoft

Predicció de trànsit tipus UFI Barcelona — arquitectura bessona construïda pel mateix equip per a BCN ciutat.

§CEngine B · Càrrega

Com carregar per a aquest ordre?

Pallet builder respectant estabilitat → strip-packing 3D amb Simulated Annealing. Suporta accés lateral per cortines segons tipus de camió.

B
FF · 4 paletsVV · 5 paletsCC · 4 paletsRESERVAretornables · 25%CORTINAPOSTERIOR

Strip-packing 3D

Simulated Annealing

· metaheurística iterativa

Restriccions hard

palet ≤ 1000 kg · balanç ±5% · LIFO order

Paràmetre camió

cortines

2

posterior

1

palets

14

Output

posicions palets · ordre càrrega magatzem

Variables del score · 9

  1. 01Distància magatzem en muntar paletsoft
  2. 02Desbalanç de peshard·soft
  3. 03Sobrecàrrega palet (≤1000 kg)hard
  4. 04Esforç descàrrega · paletsoft
  5. 05Esforç descàrrega · productesoft
  6. 06Ordre LIFO per clientsoft
  7. 07Volum aprofitatsoft
  8. 08Reserva retornables (~25%)soft
  9. 09Estabilitat apilat intra-paletsoft

Tipus de camió = paràmetre del model (2 cortines + posterior en DR0027).

§DApproaches avaluats

Per què aquest model (i no uns altres).

Tres enfocaments considerats. Un guanya en cada criteri del repte.

ApproachProsContresVeredicte

MILP exacte (CPLEX / Gurobi)

Òptim garantit

No escala a flota DDI (~30 rutes/dia). Dies de compute.

Rebutjat

Reinforcement Learning (PPO)

Aprèn política conjunta route + load

Impossible amb 1 ruta real. Reward shaping no trivial. No interpretable.

Rebutjat

Multicriteri + metaheurística

Escala. Interpretable. Modular. Integra UFI.

Requereix calibrar pesos amb dades històriques reals.

Triat

Calibració de pesos: Bayesian Optimization sobre històric DDI (post-MVP). Avui: hand-tuned des de DR0027.

§EScore per motor

Dos scores. Descomposició visible.

AScore Ruta

0.90

vs baseline manual 0.62+28%

Descomposició · 7 dimensions

  1. Distància
    w0.22
  2. Temps + trànsit
    w0.20
  3. Ventanes horàries
    w0.18
  4. Zona compacta
    w0.14
  5. Service time
    w0.10
  6. Meteo
    w0.10
  7. Prioritat
    w0.06
BScore Càrrega

0.94

vs baseline manual 0.58+36%

Descomposició · 9 dimensions

  1. Volum aprofitat
    w0.18
  2. Esforç descàrrega
    w0.16
  3. LIFO clients
    w0.14
  4. Balanç pes
    w0.12
  5. Distància magatzem
    w0.12
  6. Reserva retornables
    w0.10
  7. Sobrecàrrega palet
    w0.08
  8. Estabilitat apilat
    w0.06
  9. Esforç producte
    w0.04

Pesos hand-tuned per DR0027 + 50 escenaris sintètics. Production-grade requereix Bayesian Optimization sobre històric DDI.

05 —Resultats · DR0027

Què ens diuen les dades?

Comparativa real enfront de la ruta manual de referència

Models · idoneïtat DDI

Performance dels enfocaments

Multicriteri guanya · escala · interpretable

Pesos · post-preprocessing

Importància de variables

Negre = ruta · vermell = càrrega · 10 features

Baseline vs multicriteri · mitjana

Optimització del viatge

−21% distància · −21% temps · +19% capacitat

06 —Plataforma · /planner

Tot el pla, en una sola pantalla.

Mapa, camió 3D, llista de palets i KPIs comparteixen la mateixa vista. Cap pestanya, cap modal.

  • /Mapa interactiu, ruta polyline, zones coloreades
  • /Camió 3D: càrrega física renderitzada palet a palet
  • /KPIs en mono: km, pes, volum, retornables per zona
  • /Responsive: mobile, tablet, desktop, sense login
/planner/plan
Unitats837 u
Pes4 719 kg
Retorn.259
ETA4h 30
carregant mapa…
map · osona
carregant 3D…
truck 3D
07 —Abans / Després

Mateix camió.
Altre matí.

Xifres reals de la ruta DR0027 comparades amb la metodologia manual estàndard.

MètricaManual · ExcelSmart Truck
Distància total+25% kmOptimitzada
Hora de retorn18:0016:10 aprox
Càrrega i descàrregaCostós i llargÀgil i òptim
10 —Equip

Quatre persones.
Catorze hores.

Interhack BCN 2026. Una sola jornada per resoldre la ruta DR0027.

  • MM
    Matías MoraFrontend & Pitch
  • JL
    Jordi LlevadotApp conductor
  • MC
    Marc CascantMapa & 3D
  • DS
    Daniel SalazarDades & heurístiques

Preguntes freqüents

Tot allò que necessites saber sobre Damm Smart Truck.

12 —Demo · DR0027 · 18 clients

Prova-ho amb dades
reals.

18 clients, 3 zones, 4 719 kg de càrrega. Visualitza la ruta, l'embalatge 3D del camió i la previsió de retornables. Trenta segons.

Accedir a la demoApp conductor

Sense registre · 100% local