DispatchFlow
Plataforma FMS para logística de vehículos autónomos en campus, construida con Java 21 + Vue 3. Gestiona ciclo completo: pedido → despacho → ejecución → energía → excepciones. Soporta flotas SIM/REAL/VDA5050, monitoreo SSE y análisis operativo.
Ficha actualizada 25 sept 2026, 2:47 · upstream 25 sept 2026, 2:39 · release v0.6.0
Qué es DispatchFlow
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
DispatchFlow es una plataforma de gestión de flotas (FMS) diseñada para logística de vehículos autónomos en entornos de campus o parques industriales. El sistema integra un backend robusto basado en Java 21 con Spring Boot 3.3.12 y MyBatis-Plus, junto a un frontend moderno desarrollado con Vue 3.5, TypeScript y Vite. La arquitectura cubre el ciclo completo de operaciones: desde la creación de pedidos móviles hasta la ejecución del despacho, gestión de energía (carga/cambio) y resolución de excepciones.
El sistema soporta integraciones con flotas reales o simuladas mediante protocolos como SIM/REAL y MQTT VDA5050. Ofrece capacidades avanzadas de monitoreo en tiempo real a través de SSE para dashboards de supervisión, así como herramientas de análisis operativo para optimizar rutas y consumo energético. La gestión de datos se realiza mediante MySQL para persistencia transaccional y Redis para caché de estado y colas de mensajes con RabbitMQ.
La plataforma incluye módulos específicos para la gestión de infraestructura del parque (estaciones, puntos de carga, geofencing) y análisis predictivo para la demanda energética. Sin embargo, el sistema está diseñado inicialmente para despliegue en un solo nodo, requiriendo precauciones específicas antes de escalar horizontalmente debido a dependencias de estado local en la JVM.
- Gestión centralizada de flotas de vehículos autónomos en campus industriales o logísticos.
- Despacho automático y manual de tareas con soporte para reasignación dinámica y cancelación.
- Monitoreo en tiempo real de telemetría vehicular, estado de carga y ubicación mediante MQTT y SSE.
- Análisis predictivo de demanda energética para planificación de infraestructura de carga.
- Integración con sistemas externos mediante Webhooks y API RESTful documentadas.
- Arquitectura modular en Maven multi-módulo con separación clara entre dominios (orden, vehículo, despacho).
- Soporte nativo para telemetría vehicular vía MQTT VDA5050 y protocolos de simulación.
- Herramientas de análisis predictivo implementadas con XGBoost y regresión bayesiana para gestión energética.
- Sistema de migraciones de base de datos automatizado mediante Flyway (V1 a V47).
- Interfaz de usuario moderna con Vue 3.5, TypeScript y componentes reutilizables de Ant Design Vue.
- No soporta despliegue horizontal nativo: los programadores `@Scheduled` carecen de bloqueos distribuidos (ShedLock).
- El estado del simulador y las conexiones SSE son locales a la JVM, impidiendo balanceo de carga sin refactorización.
- La precisión de las predicciones energéticas está limitada por la falta de datos reales de telemetría en el entorno actual.
- Las rutas geográficas se calculan principalmente con algoritmos Java nativos; PostGIS está desactivado y no es objetivo inmediato.
- Requiere modificación manual de credenciales por defecto antes del despliegue en producción.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue inicial recomendado: usar `docker-compose.prod.yml` sin réplicas. Ejecutar `scripts/deploy.sh` para gestionar migraciones Flyway y configuración. No escalar horizontalmente hasta implementar bloqueos distribuidos (ShedLock) y externalizar el estado del simulador a Redis. Modificar credenciales por defecto antes de producción. Verificar integridad de datos tras cada despliegue.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.