La inteligencia artificial ya predice la demanda de carga aérea mensual de cada aeropuerto

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.

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.