p012 THE ORDER RESCUE ENGINE

Desde el punto de vista técnico, interceptar los fallos sin detener el flujo principal de los operadores del almacén (CEDI) demuestra que están pensando en la agilidad de la operación diaria

Comment

Inspiration

El caos logístico puede ser tan crítico como una misión espacial a punto de fallar. p012 nace inspirada en Margaret Hamilton, la ingeniera de software que salvó la misión Apolo 11 al diseñar un sistema capaz de priorizar tareas críticas y descartar errores en tiempo real.Llevamos esta filosofía al mundo logístico de Arca Continental. Actualmente, cuando un producto se agota entre el pedido y la preparación, el operador realiza una sustitución rápida para no detener el camión, pero el cliente nunca es notificado. El cliente se da cuenta hasta que el pedido llega a su negocio, lo que genera frustración, rechazo del producto y una caída en la confianza. Si Margaret Hamilton pudo evitar que el Apolo 11 colapsara por sobrecarga de datos, nosotros podíamos construir un motor que rescatara estos pedidos B2B antes de que el error impactara la experiencia del cliente final.

What it does

p012 // THE ORDER RESCUE ENGINE es una plataforma predictiva asíncrona. En lugar de detener la operación diaria del Centro de Distribución (CEDI), el motor intercepta las anomalías logísticas en el momento exacto en que un producto solicitado no está disponible.
A diferencia del modelo actual donde se sustituye "a ciegas", p012 evalúa inventarios y propone una sustitución inteligente, pero con un factor clave: hace visible el cambio. Esto permite tomar acción de forma oportuna y transparente, protegiendo la promesa que se le hace al cliente de entregar "cero sorpresas".

How we built it

Lógica y Mapeo de Procesos: Antes de escribir la primera línea de código, estructuramos diagramas de flujo detallados para entender exactamente el viaje del pedido y definir el punto de intercepción óptimo de las anomalías sin afectar la velocidad del almacén. Desarrollo Frontend y Frameworks: Para llevar el diseño a la realidad con la máxima eficiencia y velocidad de carga, implementamos la plataforma utilizando React y Next.js. Decidimos estructurar todo el proyecto con TypeScript para garantizar un código tipado, seguro y altamente mantenible.

Challenges we ran into

La barrera de la realidad operativa: El mayor reto fue no crear "solo un modelo técnico sin aplicación práctica". Tuvimos que entender que los operadores en el CEDI tienen segundos para tomar decisiones. Lograr que p012 funcionara de manera asíncrona sin frenar la velocidad de despacho fue un gran desafío arquitectónico. Equilibrar automatización y transparencia: Inicialmente pensamos en automatizar todo el proceso, pero nos dimos cuenta de que la honestidad y la notificación eran el verdadero valor que buscaba el cliente. Tuvimos que ajustar el motor para que no solo cambiara el producto, sino que gestionara la comunicación.

Accomplishments that we're proud of

De la abstracción a la realidad: Nos enorgullece haber tomado un problema de logística complejo e interpretarlo perfectamente a través de nuestros diagramas de flujo, traduciendo tres tablas de datos masivos en una arquitectura de software limpia y funcional en tiempo récord. Enfoque centrado en el ser humano: Creamos una herramienta altamente técnica por dentro, pero increíblemente simple y clara por fuera. Diseñamos una interfaz pensada en el usuario real (operadores y clientes B2B) y no solo para desarrolladores. Honrar nuestra inspiración: Estamos orgullosas de haber construido una solución fiel al legado de Margaret Hamilton, demostrando que con el software adecuado se pueden resolver misiones críticas cotidianas y salvar la confianza de miles de clientes.

What we learned

Aprendimos que la mejor tecnología no es la más compleja, sino la que es transparente, honesta y resuelve un problema tangible para personas reales. Comprendimos profundamente el impacto en cadena que tiene una mala decisión de inventario: desde el operador del CEDI hasta los indicadores comerciales (NPS) y la carga de trabajo en Servicio al Cliente. Con p012, aprendimos a construir tecnología que no solo mueve cajas, sino que protege la confianza.

What's next for p012 THE ORDER RESCUE ENGINE

Implementación de Modelos de Machine Learning (Predictivo Avanzado) Queremos evolucionar de un modelo reactivo/asíncrono a uno puramente predictivo. Utilizando algoritmos de series temporales y Machine Learning, p012 podrá predecir los quiebres de stock antes de que los operadores comiencen a armar los pedidos, basándose en el historial de demanda diaria, clima, tráfico y tendencias del mercado.

Share this project:

Updates