Líder del proyecto
Elena Villalobos Nolasco, científica de datos líder del CCD
Investigadores
David Salomón Aké Uitz, project manager del CCD
Adolfo Javier De Unánue Tiscareño, líder de la IAVP y director Académico de la EGobiernoyTP
Roberto Villarreal Ramírez, estudiante de MEK
Carlos Eduardo Olvera, voluntario
Zaid Hernández, estudiante de MXP
Socios y aliados
Puerto en Veracruz
Año de inicio
2023
Estatus
En proceso
La optimización en la gestión de contenedores es un desafío crítico para la eficiencia operativa en terminales portuarias. El movimiento innecesario de contenedores debido a una gestión subóptima de información genera costos adicionales significativos y aumenta los riesgos operativos. El Centro de Ciencia de Datos (CCD) de la Escuela de Gobierno y Transformación Pública del Tecnológico de Monterrey ha emprendido un proyecto para abordar esta problemática mediante el uso de tecnologías avanzadas y modelos predictivos.
El proyecto tiene como objetivo desarrollar e implementar productos de datos que optimicen el movimiento de contenedores y mejoren la eficiencia operativa en la terminal portuaria. La iniciativa busca establecer una herramienta que permita predecir los tiempos de estadía y requerimientos de servicio de los contenedores, facilitando así una mejor planificación y gestión de recursos.
El alcance del proyecto abarca la operación completa de una terminal portuaria de en Veracruz, con potencial de escalabilidad a otras terminales portuarias en México y el mundo. El sistema desarrollado impactará directamente en la eficiencia operativa de la terminal, beneficiando tanto a la empresa como a sus clientes mediante la reducción de tiempos de operación y costos asociados.
El CCD lidera este proyecto utilizando metodologías avanzadas de ciencia de datos y aprendizaje automático. Los modelos desarrollados permiten estibar los contenedores de manera más eficiente al predecir su tiempo de estadía, evaluándose bajo dos criterios principales: eficiencia (acierto en la predicción de contenedores que salen en un día determinado) y cobertura (identificación correcta de contenedores que efectivamente salen ese día). Con el producto de datos implementado, se han obtenido mejoras sobre la línea base, destacando la clasificación del 88% de la mercancía mediante procesamiento de lenguaje natural utilizando el Catálogo Harmonized System (HS); la optimización del catálogo de consignatarios, reduciendo de más de 300 mil categorías a solo 16 mil; y el incremento consistente en eficiencia y cobertura.
La colaboración estratégica con el partner ha sido fundamental para el éxito del proyecto. La empresa no solo proporciona la infraestructura tecnológica necesaria sino también el conocimiento operativo esencial y los datos históricos para el desarrollo y validación de los modelos predictivos.
El proyecto representa un avance significativo en la aplicación de ciencia de datos para la optimización de operaciones portuarias. Los resultados preliminares muestran un potencial considerable para mejorar la eficiencia operativa y reducir costos, estableciendo un precedente importante para la modernización de la gestión portuaria en México.