Emplean una IA para predecir la demanda de carga aérea mensual de los aeropuertos
Se espera que en un futuro cercano, aeropuertos españoles empeicen a delegar en la Inteligencia Artificial para la predicción de la demanda de carga aérea mensual. Una IA les permitiría catalogar cargas por tipo de producto y origen-destino, gracias a modelos avanzados elaborados por la consultora AIS Group.
Todo se integraría en una plataforma de gestión desarrollada en el marco del proyecto Muelle Digital. Se trata de una iniciativa financiada por la Unión Europea dentro del Plan de Transformación y Resiliencia del Estado. En ese programa participan AIS Group, GPA, Portel, el Clúster Digital de Catalunya y el Clúster de Movilidad y Logística de Euskadi. Su objetivo es impulsar la digitalización del proceso de transporte terrestre y la recepción de mercancía en los muelles de la terminal de carga aérea, mientras elaboran un cuadro de mando que permita visualizar desde el punto de vista estratégico la operativa de carga en un aeropuerto.
IA y Machine Learning para prepararse ante la carga de mercancías en los aeropuertos
AIS Group ha desarollado dos tipos de modelo de IA tras tomar como fuentes la información histórica de carga e indicadores macroeconómicos relacionados con la operativa de transporte de mercancías. Por ejemplo, se han tomado datos del Producto Interior Bruto y la balanza comercial para alimentar los datos de la Intelegencia Artificial.
Este primer conjunto de modelos permite predecir la carga aérea por aeropuerto y por tipo de vuelo. Para construir los modelos, se han tomado los datos relativos a los aeropuertos de Madrid, Barcelona, Zaragoza y Vitoria-Gasteiz, así que estas terminales podrían integrar ya mismo la plataforma Muelle Digital para predecir el comportamiento de la demanda de carga área mensual.
Este primer tipo de modelos sacó como primeras conclusiones que en aquellos modelos en los que se incluya información macroeconómica, se ajustarán mucho mejor las predicciones respecto al volumen de carga, dado que tienen en cuenta más factores externos. 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, y con ello reducen el margen de error medio de los modelos a entre 10-15%.
Para ser más eficiente y facilitar la labor de los profesionales, se ha programado un proceso automático que busca los resultados más adecuados para cada una de las combinaciones de aeropuerto, avión de carga o de pasajeros, dirección del transporte, y más factores.
