Grupo de empresas desarrollan en España un modelo que utiliza técnicas avanzadas que aumentan considerablemente el grado de acierto en las predicciones.
La consultora AIS Group participa junto con GPA, Portel, el Clúster Digital de Cataluña y el Clúster de Movilidad y Logística de Euskadi, en el desarrollo una plataforma de gestión de carga aérea a través de inteligencia artificial desarrollada en el marco del proyecto Muelle Digital.
El proyecto se estructura en tres fases. La primera acaba de finalizar con la versión inicial de la plataforma colaborativa para los operadores de la cadena de valor de la carga aérea y los primeros modelos predictivos de IA.
En la siguiente fase, según ha concretado la consultora, se sumará a la plataforma un proceso de declaración de mercancía peligrosa e indicadores medioambientales. En la última, se creará un corredor digital que incluya indicadores de datos de producción de las terminales de carga de cara a maximizar su eficiencia.
Como objetivo, se busca impulsar la digitalización del proceso de transporte terrestre y la recepción de mercancía en los muelles de la terminal de carga aérea, además de elaborar un cuadro de mando que permita visualizar desde el punto de vista estratégico la operativa de carga en un aeropuerto.
Como parte del proyecto, AIS Group ha desarrollado dos tipos de modelo de inteligencia artificial tomando como fuentes la información histórica de carga, así como indicadores macroeconómicos del relacionados con la operativa de transporte de mercancías, como puede ser el Producto Bruto Interno (PIB) o la balanza comercial.
El primer conjunto de modelos permite predecir la carga aérea por aeropuerto y por tipo de vuelo (carga o pasajero). En esta primera fase, para construir los modelos, se han tomado los datos relativos a los aeropuertos de Madrid, Barcelona, Zaragoza y Vitoria-Gasteiz, por lo que estas terminales podrían integrar ya en su día a día la plataforma Muelle Digital, que incorpora estos modelos para predecir el comportamiento de la demanda de carga aérea mensual.
Por otra parte, el segundo conjunto de modelos se centra en predecir la distribución de la carga por tipo de producto y por origen-destino. En su desarrollo se han utilizado técnicas avanzadas como el machine learning que aumentan considerablemente el grado de acierto en las predicciones.
En la siguiente fase, se sumará a la plataforma un proceso de declaración de mercancía peligrosa e indicadores medioambientales, mientras que, en la última, se creará un corredor digital que incluya indicadores de datos de producción de las terminales de carga de cara a maximizar su eficiencia.
Para ser más eficiente y facilitar la labor de los profesionales, se ha programado un proceso automático que busca los resultados más adecuados para cada una de las combinaciones de aeropuerto, avión de carga o de pasajeros, dirección del transporte, y más factores.
Fuente: Transport & Cargo
