La IA ya predice la demanda de carga aérea mensual de cada aeropuerto
10-julio-2023
AIS Group ha desarrollado dos tipos de modelos de IA. Uno predice la carga por aeropuerto y por tipo de vuelo y otro que lo hace de acuerdo al tipo de producto y el origen–destino de la mercancía.
Los aeropuertos españoles pueden delegar en la inteligencia artificial (IA) la predicción de la demanda de carga aérea mensual por tipo de producto y origen-destino gracias a modelos avanzados elaborados por la consultora AIS Group, que se integran en una plataforma de gestión desarrollada en el marco del proyecto Muelle Digital.
Muelle Digital es una iniciativa financiada por la UE dentro del Plan de Transformación y Resiliencia del Estado. En él, además de AIS Group, participan las empresas GPA, Portel, el Clúster Digital de Catalunya y el Clúster de Movilidad y Logística de Euskadi.
El objetivo es 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.
IA y machine learning
AIS Group, especialista en inteligencia artificial y analytics, ha construido dos tipos de modelo de IA 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 Interior Bruto (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 área mensual.
Una de las conclusiones principales de este primer tipo de modelos es que aquellos que incluyen la información macroeconómica ajustan mucho mejor las predicciones respecto al volumen de carga (toneladas).
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 de IA, como el machine learning, que aumentan considerablemente el grado de acierto en las predicciones, dejando un error medio de los modelos de entre 10-15%, lo que desde AIS consideran un porcentaje notoriamente bajo.
Para ser más eficiente y facilitar la labor de los profesionales involucrados en la gestión de la carga, se ha programado un proceso automático que busca dentro de las miles de combinaciones de modelos posibles aquella que arroja los resultados más adecuados para cada una de las combinaciones, es decir, aeropuerto, avión de carga o de pasajeros, dirección del transporte, entre otros.
Proyecto financiado por la UE en tres fases
El proyecto Muelle Digital se estructura en tres fases. La primera acaba de finalizar con la versión inicial de una 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, 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.
La carga aérea tiene un papel fundamental como facilitadora del comercio exterior y, por tanto, como generadora de crecimiento económico. Para asegurar su agilidad es preciso que los procesos entre sus agentes sean fluidos y rápidos, así como disponer de previsiones de actividad a corto plazo para dimensionar los equipos de trabajo.
Muelle Digital busca crear un servicio altamente eficiente que mejorará la competitividad del sector, ya que la solución planteada es trasladable a todos los aeropuertos de la red de AENA y a los agentes de otras regiones españolas. También puede adaptarse para que sea una solución exportable a otros países, puesto que contribuye a todos los agentes que participan en al proceso de exportación de mercancía por vía aérea. De hecho, los participantes están coordinando posibles pilotos en las siguientes fases del proyecto en los aeropuertos de Madrid, Barcelona, Bilbao, Zaragoza y Vitoria.
Este Sitio Web utiliza cookies que almacenan y recuperan información cuando está navegando. En general, estas tecnologías pueden servir para finalidades muy diversas como, por ejemplo, reconocerle como usuario, obtener información sobre sus hábitos de navegación o personalizar la forma en que se muestra el contenido.
Haga clic en los encabezados de cada tipo de cookie para cambiar nuestras configuraciones predeterminadas:
a) Cookies técnicas: aquellas que permiten la navegación a través del Sitio Web, incluyendo aquellas utilizadas para la gestión del Sitio Web y la habilitación de sus funciones y servicios.
b) Cookies de personalización: aquellas que permiten recordar información para que pueda acceder al Sitio Web con determinadas características que pueden diferenciar su experiencia de la de otros usuarios.
c) Cookies de análisis o medición: aquellas que permiten al responsable de las mismas el seguimiento y análisis del comportamiento de los usuarios, incluida la cuantificación de los impactos de los anuncios.
d) Cookies de publicidad comportamental: aquellas que almacenan información del comportamiento de los usuarios obtenida a través de la observación continuada de sus hábitos de navegación, lo que permite desarrollar un perfil específico para mostrar publicidad en función del mismo.
Cookies estrictamente necesarias
Las cookies estrictamente necesarias tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies.
Si desactivas esta cookie no podremos guardar tus preferencias. Esto significa que cada vez que visites esta web tendrás que activar o desactivar las cookies de nuevo.
Esta cookie habilita la función de control de visitas únicas de manera que permite distinguir a los usuarios. Se utiliza para realizar análisis de uso y de medición del sitio web, diferenciar entre usuarios y sesiones y en definitiva, para mejorar nuestros servicios. Esta cookie está configurada por Google Inc.
No
Análisis
__gid
Google Inc.(de terceros)
1 día desde inicio de sesión(persistente)
Tiene como finalidad diferenciar entre los diferentes objetos de seguimiento creados en la sesión. Esta cookie está configurada por Google Inc.
No
Análisis
__gaexp
Google Inc.(de terceros)
18 día desde inicio de sesión(persistente)
Su objetivo es púramente analítico, visitas, velocidad de carga… Esta cookie está configurada por Google Inc. a través de Cloudflare