Ottimizzerò le tue rotte di consegna e la catena di approvvigionamento usando algoritmi Python

Google Maps ottimizza una rotta per un veicolo. Io risolvo il Vehicle Routing Problem (VRP) per intere flotte, considerando vincoli come capacità del veicolo, finestre temporali, turni dei driver e costi del carburante contemporaneamente. Questo richiede algoritmi matematici avanzati (Operations Research).

Sebbene i risultati varino, l'ottimizzazione algoritmica di solito riduce le distanze percorse e i costi del carburante del 10-20% rispetto alla pianificazione manuale. Per un'azienda di logistica, questo investimento si ripaga spesso già nel primo mese.

Ho bisogno di un dataset strutturato (Excel/CSV) contenente gli indirizzi di consegna, i tipi/capacità dei veicoli e eventuali vincoli specifici (ad esempio "consegna solo tra le 8 e le 10" ).

I modelli di ottimizzazione sono strutture matematiche complesse. Cambiare un vincolo principale (ad esempio "aggiungi un secondo deposito") spesso richiede di ricostruire il modello matematico, non solo una modifica rapida. Perciò, dobbiamo concordare tutti i vincoli prima che io inizi il calcolo.