La entrega en la calle enfrenta desafíos significativos debido a la infraestructura vial obsoleta, que no fue diseñada para manejar los volúmenes actuales de vehículos, lo que lleva a la congestión y a ineficiencias, especialmente en la entrega de última milla. La integración de drones en el sistema de entrega ofrece una solución prometedora al eludir las carreteras congestionadas, mejorando así la velocidad de entrega y reduciendo la presión sobre la infraestructura. Sin embargo, optimizar este sistema de entrega multimodal es complejo y depende de datos, siendo los datos del mundo real a menudo costosos y restringidos. Para abordar esto, proponemos un generador de conjuntos de datos sintéticos que crea escenarios de entrega diversos y realistas, incorporando variables ambientales, perfiles de clientes y características de vehículos. La contribución clave de nuestro trabajo es el desarrollo de un generador dinámico para múltiples problemas de optimización con diversas complejidades o incluso combinaciones de problemas de optimización. Este generador permite la incorporación de factores del mundo real, como la congestión del tráfico, y factores generados sintéticamente, como las condiciones del viento y las restricciones de comunicación, entre otros. El objetivo principal es establecer una base para crear escenarios de referencia que permitan la comparación de enfoques existentes y nuevos. Evaluamos el conjunto de datos generado aplicándolo a tres problemas de optimización, incluyendo la ubicación de instalaciones, la planificación de rutas de vehículos y la planificación de trayectorias, utilizando diferentes técnicas para demostrar la efectividad y viabilidad operativa del conjunto de datos.