Ciencia de Datos para la Toma de Decisiones sobre Logística Portuaria

En esta conferencia se explora el desarrollo de un producto de datos que tiene como objetivo mejorar la logística portuaria; específicamente, reducir los movimientos desperdicio al momento de estibar los contenedores en una terminal. A partir de la identificación de movimientos innecesarios en el proceso de estiba, se han implementado soluciones basadas en aprendizaje de máquina para predecir el tiempo de estadía de los contenedores y determinar si requerirán servicios aduanales. Además, se abordará cómo se aplicó la ingeniería de variables para clasificar la mercancía utilizando el catálogo HS y técnicas de Procesamiento de Lenguaje Natural, así como la unificación de un catálogo de consignatarios a través de la teoría de grafos. En los resultados del modelamiento se ha observado que, de manera histórica, consistentemente, el mejor modelo incrementa la eficiencia con respecto a lo que hace actualmente la terminal. Finalmente, el producto de datos entrega los resultados del modelamiento a través de una API, permitiendo que se integren y utilicen directamente en las operaciones portuarias. Esta charla ofrecerá una visión detallada de los desafíos enfrentados, las técnicas empleadas, y el impacto de este producto de datos en la industria portuaria.