Hapag-Lloyd, una de las compañías más importantes en el transporte marítimo global, ha dado un paso innovador al desarrollar un asistente basado en aprendizaje automático (ML) que permite predecir con mayor precisión los tiempos de llegada y salida de sus buques. Con una flota de más de 308 barcos modernos que transportan anualmente 11.9 millones de TEUs, la empresa busca optimizar su planificación de horarios, un aspecto esencial en la industria que impacta directamente en la calidad del servicio ofrecido a los clientes.
La fiabilidad del horario se mide como el porcentaje de buques que llegan dentro de un día calendario de su tiempo estimado de llegada, que la empresa comunica con semanas de antelación. Antes de implementar esta tecnología, Hapag-Lloyd dependía de cálculos estadísticos y reglas básicas, lo que dificultaba su capacidad de adaptación a condiciones cambiantes en tiempo real, como la congestión en puertos. Este antiguo enfoque requería una intervención manual considerable por parte de los equipos de operaciones.
Desarrollar esta solución de ML presentó varios desafíos, entre los cuales destaca la necesidad de considerar las condiciones dinámicas del transporte marítimo. Factores como el clima, retrasos en puertos y eventos imprevistos que requerían cambios de ruta complicaban el proceso. Un ejemplo notable fue el bloqueo del canal de Suez por el buque Ever Given en marzo de 2021, que obligó a desviar numerosos barcos y aumentó los tiempos de viaje en hasta diez días.
Otro reto fue integrar un gran volumen de datos históricos con fuentes de información en tiempo real. Hapag-Lloyd necesita que su modelo funcione a gran escala, abarcando 120 servicios de buques y 1,200 rutas únicas. Para ello, la infraestructura de MLOps resulta fundamental; permite monitorear continuamente el rendimiento del modelo y realizar actualizaciones rápidas, asegurando que los modelos se reentrenen regularmente para adaptarse a patrones cambiantes y mantener su eficacia en tiempo real.
El antiguo enfoque de planificación de horarios no era suficiente para gestionar las complejidades del transporte marítimo actual. Por ello, se hizo necesario crear un sistema integral que pudiera manejar las predicciones con la infraestructura capaz de soportar operaciones de ML a nivel global.
Hapag-Lloyd opera una vasta red que resulta en más de 3,500 llegadas a puertos mensualmente. Cada buque tiene un itinerario predefinido, lo que implica que los tiempos de llegada deben ser estimados con antelación para facilitar la logística crítica. Cualquier retraso experimentado en un puerto intermedio afecta automáticamente los tiempos de llegada en puertos posteriores, lo que conlleva a una replanificación exhaustiva que puede interrumpir conexiones de transbordo.
Para prever los tiempos de llegada (ETA), Hapag-Lloyd utiliza datos internos almacenados en un lago de datos, que incluyen horarios detallados de sus buques, información sobre el rendimiento de los puertos y datos de congestionamiento en tiempo real. También se integra el Sistema de Identificación Automática (AIS) para realizar un seguimiento preciso del movimiento de los barcos.
Los modelos desarrollados a partir de esta información han mostrado resultados prometedores, evidenciando un aumento en la precisión y una notable reducción en los tiempos de respuesta en comparación con métodos tradicionales. Este avance posiciona a Hapag-Lloyd de manera competitiva en el mercado global, marcando un hito significativo en el sector del transporte marítimo.
