Mcal López SRL - Línea 38
Sistema de Gestión de Transporte (TMS) + Monitoreo + IA
El cliente
Mcal López SRL opera la Línea 38 de transporte público en el área metropolitana de Asunción, con una flota de colectivos que realiza recorridos diarios en rutas urbanas e interurbanas.
El desafío
La empresa no tenía visibilidad en tiempo real de su operación. Los incumplimientos de ruta, las demoras y los desvíos se detectaban por quejas de pasajeros o supervisión presencial, y no existía forma de medir el rendimiento operativo de manera objetiva.
Situación anterior
Control manual con planillas en papel, supervisión presencial en puntos de ruta, y toma de decisiones basada en intuición sin datos concretos.
Nuestra solución
Desarrollamos un sistema integral que combina monitoreo GPS en tiempo real con un módulo de inteligencia artificial que analiza KPIs operativos semanalmente y genera recomendaciones accionables para la gerencia.
Fases del proyecto
Relevamiento y diseño
3 semanasAnálisis de la operación existente, definición de KPIs clave y diseño de la arquitectura del sistema
Plataforma de monitoreo
6 semanasDesarrollo del dashboard con mapa en tiempo real, geo-cercas de rutas y sistema de alertas automáticas
Módulo de IA
4 semanasIntegración de análisis semanal con inteligencia artificial para detectar patrones y generar recomendaciones
Despliegue y capacitación
2 semanasInstalación de dispositivos GPS, configuración en producción y capacitación del equipo operativo
Implementación técnica
Sistema web con backend en Node.js que recibe datos GPS vía TCP desde los dispositivos de cada unidad. Las posiciones se procesan en tiempo real y se almacenan en PostgreSQL con extensión PostGIS para consultas geoespaciales. El frontend en Next.js muestra el dashboard con actualización en tiempo real vía WebSockets. Un módulo separado ejecuta análisis semanal con OpenAI para generar reportes de KPI con recomendaciones.
Decisiones de arquitectura
WebSockets para actualización del dashboard en tiempo real
Los supervisores necesitaban ver la posición de cada unidad con menos de 5 segundos de retraso
Polling HTTP cada 10 segundos, pero generaba carga innecesaria en el servidor y mayor latencia percibida
Latencia de actualización menor a 3 segundos, reduciendo el consumo de bandwidth un 70% comparado con polling
PostGIS para geo-cercas y validación de cumplimiento de rutas
Se necesitaba validar automáticamente si cada unidad estaba dentro del corredor de su ruta asignada
Cálculos geométricos manuales en la aplicación, pero sin índices espaciales el rendimiento degradaba con múltiples unidades
Validación de cumplimiento de ruta para 200+ unidades en menos de 100ms por ciclo de verificación
Análisis semanal con IA en lugar de reglas estáticas para KPIs
Los KPIs operativos tienen contexto variable (clima, feriados, eventos) que reglas fijas no capturan
Dashboard con umbrales fijos que generan alertas, pero producía muchos falsos positivos
Reportes semanales con recomendaciones contextualizadas que la gerencia usa directamente para tomar decisiones operativas
Complejidad técnica
Procesamiento de coordenadas GPS de 200+ unidades simultáneamente con latencia menor a 3 segundos
Geo-cercas dinámicas que validan cumplimiento de ruta en tiempo real para cada unidad
Análisis semanal de IA que contextualiza KPIs considerando variables externas (clima, feriados, eventos)
Integraciones
Dispositivos GPS (flota)
TCP directo
Recepción de coordenadas cada 10 segundos desde dispositivos instalados en cada colectivo
Sistema de billetaje electrónico
API REST
Correlación de datos de ingresos con datos operativos para análisis de rentabilidad por ruta
Resultados
Los supervisores pueden tomar decisiones operativas en tiempo real desde cualquier ubicación
La gerencia recibe reportes semanales accionables sin necesidad de analizar datos manualmente
Se identificaron rutas y horarios con baja eficiencia que se optimizaron con datos concretos
Resultado de negocio
La empresa pasó de operar con control manual y reactivo a tener visibilidad total de su operación en tiempo real, con decisiones basadas en datos y recomendaciones de IA.
Tecnologías utilizadas
Cada tecnología fue elegida con un propósito específico para este proyecto.
Next.js
Dashboard web con mapas interactivos y actualización en tiempo real
SSR para carga rápida del dashboard incluso con conexiones lentas en zonas de operación
Node.js
Backend que procesa streams de datos GPS y sirve APIs al frontend
PostgreSQL
Base de datos con PostGIS para almacenamiento y consultas geoespaciales de posiciones y rutas
OpenAI
Motor de IA para análisis semanal de patrones operativos y generación de recomendaciones
La capacidad de análisis de texto y datos estructurados permite generar reportes narrativos que los gerentes entienden sin ser técnicos
Docker
Contenedorización del sistema completo para despliegue reproducible
