Software full-stack para la evaluación de tiempos de estancia en zonas portuarias mediante técnicas de aprendizaje automático.

Abstract

La congestión en puertos marinos genera ineficiencias operativas, perdidas económicas en costes logísticos y afecta negativamente al medio ambiente. Esta problemática se debe, en parte, a la falta de sistemas predictivos que faciliten la planificación tanto para transportistas que busquen realizar encargos como para los gestores portuarios encargados de coordinar las operaciones. Este Trabajo de Fin de Grado propone el desarrollo de una solución software full-stack que ayude a mitigar la congestión portuaria mediante herramientas predictivas que utilicen técnicas de aprendizaje automático. El software propuesto busca mejorar la eficiencia en la gestión del flujo de tráfico y optimizar la asignación de recursos, reduciendo tiempos de espera y beneficiando a los actores involucrados en la cadena logística portuaria.

Congestion in seaports generate operational inefficiencies, economic losses on logistic costs, and have a negative impact on the environment. This problematic is partially caused by the absence of predictive systems that facilitate planning both, for transporters looking to make deliveries and for port managers responsible for coordinating operations. This bachelor thesis aims to develop a full-stack software solution that helps mitigate port congestion through the implementation of predictive tools using machine learning techniques. The goal of the software is to improve the efficiency of traffic flow management and optimize resource allocation, thereby reducing wait times and benefiting the actors involved in the port logistics chain.