Mediante la aplicación de tecnologías de gemelos digitales y servicios de aprendizaje automático como base para la mejora en la planificación del transporte terrestre de mercancías impulsado por la Agencia Valenciana de la Innovación y un clúster de empresas privadas valencianas junto con la Universidad Politécnica de Valencia.
En la Comunidad Valenciana contamos con el Puerto de Valencia, uno de los principales hubs intermodales de Europa, y líder en el Mediterráneo en el transporte de contenedores, con más de 5,4 millones de TEUs movidos en 2020, y cuyo impacto económico se cifra aproximadamente en un 2,4% del PIB autonómico. Casi la mitad de los movimientos son de importación y exportación, lo que se traduce en unos 2 millones de órdenes de transporte que generan unas 6000 entradas/salidas de camiones al día.
En el marco de la digitalización y mejora continua llevada a cabo por el Puerto de Valencia y la comunidad portuaria en las dos últimas décadas, para dar soporte electrónico a la complejidad que supone gestionar la entrada y salida de camiones del puerto, y, teniendo en cuenta que los flujos de información en los puertos son muy complejos dado que implican a un gran número de agentes, la Autoridad Portuaria de Valencia puso en marcha en 2004 la potente plataforma B2B Port Community System (PCS) denominada ValenciaportPCS, permitiendo el intercambio inteligente y seguro de información entre los agentes públicos y privados de la comunidad portuaria de Valencia. Entre los servicios que ofrece la plataforma ValenciaportPCS (gestión de escalas, gestión de mercancías peligrosas, reservas de carga, instrucciones de embarque, seguimiento de la mercancía, etc.) se encuentra el Servicio de Transporte por Carretera, el cual permite, a los agentes involucrados en la realización del transporte terrestre de mercancías, la generación y gestión de las órdenes de transporte, así como las notificaciones de entrega y admisión del contenedor en las terminales y/o depósitos de contenedores.
Sin embargo, a pesar del enorme esfuerzo realizado desde la Autoridad Portuaria de Valencia y la comunidad portuaria para hacer más eficiente las operaciones de entrega y retirada de contenedores, el modo habitual de trabajo y planificación de todos los agentes que gestionan estas órdenes de transporte (importadores/exportadores, transitarios, agentes marítimos y las mismas empresas de transporte) genera una distribución no homogénea del tráfico terrestre en la que aparecen picos de tráfico en instantes determinados, causando, desde el punto de vista de las terminales, una baja optimización de sus recursos y, desde el punto de vista de los operadores terrestres, unos tiempos de espera largos en las colas de entrada y en las mismas terminales.
Las empresas de transporte terrestre se encargan principalmente, dentro de las cadenas de suministro portuarias, de realizar el acarreo de las mercancías entre las instalaciones del importador/exportador y las terminales portuarias o interiores; las primeras actúan como nexo de conexión entre los modos de transporte marítimo y terrestre, y las segundas, son nodos intermodales entre el ferrocarril y la carretera. El contenedor, como recipiente estándar en el transporte intermodal, requiere de almacenes de contenedores vacíos y condiciona completamente los desplazamientos que se deben llevar a cabo en la parte terrestre del transporte, al ser un recipiente reutilizable en destino, no siendo necesario su envío de vuelta, salvo excepciones.
La problemática en el transporte de mercancías en la cadena de suministro portuaria, para un funcionamiento óptimo, desde el punto de vista de la planificación, se centra en la mejora de dos aspectos principales y complejos: por una parte, la optimización en la asignación del servicio de transporte de los recursos disponibles para dar cobertura a las órdenes de transporte, lo que permite minimizar todos los costes asociados. Se trata además de un entorno muy dinámico lo que lo convierte en un problema de optimización de alta complejidad, donde técnicas avanzadas de Machine Learning (ML), a partir de un amplio conjunto de datos y experiencias previas, son de máxima aplicación. Por otra parte, otro elemento principal y complejo es el cálculo del Tiempo Estimado de Llegada (ETA – Estimated Time of Arrival). El cálculo correcto y conocimiento de este dato por parte de todos los agentes de la cadena, no sólo el transportista terrestre sino también terminales, transitarios, autoridades, etc., es esencial para una planificación adecuada de las operaciones y los muchos beneficios que esto comporta, tanto desde el punto de vista de costes de las operaciones multimodales como en el aspecto medioambiental, con el ahorro final en los kilómetros totales recorridos, la reducción del consumo de combustible y la emisión de gases contaminantes, factores todos ellos que contribuyen al calentamiento global. El cálculo del ETA no es trivial y depende de múltiples variables a manejar en tiempo real, desde el estado del tráfico o las incidencias en tránsito hasta la disponibilidad de la documentación del transporte.
Con el objetivo de aportar soluciones innovadoras a estos dos problemas principales surge el Programa para el Desarrollo de la Plataforma ASIGNAT (Arquitectura de Gemelos Digitales y Servicios de Aprendizaje Automático para la Planificación en el Transporte Terrestre de Mercancías) en el marco de la convocatoria de los Comités Estratégicos de Innovación Especializados de la Agencia Valenciana de Innovación y como Proyecto Estratégico de Cooperación, cofinanciado por la Unión Europea a través del Programa Operativo del Fondo Europeo de Desarrollo Regional (FEDER) de la Comunitat Valenciana 2014-2020.
La plataforma ASIGNAT aplica las técnicas de aprendizaje automático (Machine Learning) frente a las tradicionales estrategias de optimización, con evidentes problemas en entornos tan cambiantes y dinámicos. Al mismo tiempo, la introducción de un modelo de gemelos digitales para las flotas de vehículos va a permitir disponer de los datos agregados de monitorización del estado del transporte para alimentar al modelo de aprendizaje automático, de forma que se puedan evaluar los distintos escenarios de planificación y seleccionar la decisión óptima. El gemelo digital podrá recibir información de sensores y dispositivos embarcados, incluyendo los propios smartphones de los conductores a través de una aplicación móvil.
Por tanto, el motor inteligente de esta arquitectura estará formado por un conjunto de modelos ML entrenados a partir de los datos históricos recopilados. Además de los datos obtenidos del gemelo digital, este histórico de datos provendrá del registro de asignaciones de órdenes de trabajo a vehículos realizadas en los últimos meses o años. A partir del análisis de la elección del recurso para llevar a cabo dicha orden, el modelo permitirá recomendar la solución óptima de todas los disponibles.
Por todos estos motivos, la plataforma ASIGNAT incorpora innovaciones clave que incorporadas a la plataforma ValenciaportPCS permitirán alcanzar los importantes retos y objetivos de mejora planteados.
ANGEL GONZÁLEZ TENORIO
Director Técnico / CTO
