Los terminales de contenedores HHLA utilizan tecnología de machine learning para aumentar la productividad - World Energy Trade

Los terminales de contenedores HHLA utilizan tecnología de machine learning para aumentar la productividad

Las soluciones digitales permitirán predecir el tiempo y el tipo de entrega

Las soluciones digitales permitirán predecir el tiempo y el tipo de entrega

Investigación, Desarrollo e Innovación
Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times
Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

Hamburger Hafen und Logistik AG (HHLA) de Alemania es uno de los primeros puertos del mundo en desarrollar soluciones para sus terminales de contenedores de Hamburgo que utilizan aprendizaje automático (o Machine Learning como lo indican las siglas ML) para predecir el tiempo de permanencia de un contenedor en la terminal.

Los dos primeros proyectos se han integrado e implementado con éxito en el panorama de Tecnologías de Información (IT por sus siglas en inglés) en Container Terminals Altenwerder (CTA) y Burchardkai (CTB).

Angela Titzrath, Presidenta de la Junta Ejecutiva de HHLA, enfatizó la importancia de ML para la compañía en su discurso de bienvenida en la Conferencia Mundial de Inteligencia Artificial (WAIC) que se llevará a cabo en Shanghai del 9 al 11 de julio.

Avanzar en la digitalización está cambiando la industria de la logística y nuestro negocio portuario con ella. Las soluciones de aprendizaje automático nos brindan muchas oportunidades para aumentar las tasas de productividad y capacidad en las terminales ”.

COSCO y Alibaba apuntan a transformar el envío global con blockchain
LOGÍSTICA
COSCO y Alibaba apuntan a transformar el envío global con blockchain

La presidenta de HHLA anunció que los usos adicionales de ML estaban destinados a ser identificados.

La productividad del almacenamiento de bloques automatizado en CTA se incrementará mediante un pronóstico basado en ML. El objetivo es predecir el tiempo preciso de recogida de un contenedor. Los procesos se optimizan sustancialmente cuando una caja de acero no necesita ser reapilada innecesariamente durante su tiempo de permanencia en el patio.

Cuando un contenedor se almacena en el patio, su tiempo de recolección con frecuencia aún se desconoce. En el futuro, la computadora calculará el tiempo probable de permanencia del contenedor. Utiliza un algoritmo basado en datos históricos que se optimiza continuamente utilizando métodos de aprendizaje automático.

Una solución similar se aplica en el CTB, donde se utiliza un patio de contenedores convencional junto con uno automatizado. Aquí también, ML admite el manejo de terminales mediante la asignación de ranuras de contenedores optimizadas. Además del tiempo de permanencia, el algoritmo puede ayudar a calcular el tipo de entrega. Las soluciones de aprendizaje automático pueden predecir si un contenedor se cargará en un camión, el tren o un barco con mucha más precisión de lo que se puede determinar a partir de los datos informados, según HHLA.

Según lo informado, ya se puede ver un efecto positivo significativo en ambas terminales, ya que los contenedores se almacenan en función de su tiempo de recogida previsto y, por lo tanto, se deben mover con menos frecuencia. Los proyectos fueron impulsados ​​por equipos de HHLA y su filial de consultoría HPC Hamburg Port Consulting.

 

Noticia tomada de: Offshore Energy / Traducción libre del inglés por World Energy Trade

 Te puede interesar: