Inteligencia Artificial hecha en León revoluciona la carga y descarga de camiones
El paso permanente de camiones y el incesante tráfico ponen en peligro a los vecinos.
Un equipo de investigadores, en el que participa el Instituto Tecnológico de Castilla y León (ITCyL), ha desarrollado un sistema basado en inteligencia artificial (IA) que optimiza la entrada y salida de camiones en instalaciones industriales, lo que reduce los tiempos de espera y mejora la eficiencia logística.
El trabajo, recogido por EFE y publicado este junio en la revista científica 'Applied Intelligence', aborda uno de los principales problemas de la industria y el transporte: la acumulación de vehículos en los accesos a fábricas durante los procesos de carga y descarga.
La investigación propone un modelo de asignación de turnos —denominado time-slot allocation— que permite organizar con antelación la llegada de camiones a los muelles mediante algoritmos evolutivos, un tipo de inteligencia artificial capaz de encontrar soluciones eficientes en problemas complejos con múltiples variables.
En la práctica, el sistema divide la jornada en franjas temporales —por ejemplo, intervalos de diez minutos— y asigna a cada camión un espacio concreto para acceder a la planta, evitando así aglomeraciones en la entrada y reduciendo los tiempos de espera dentro de las instalaciones.
La participación del ITCyL sitúa este avance dentro del ecosistema de innovación de Castilla y León, donde la digitalización industrial y la optimización de procesos logísticos se han convertido en áreas estratégicas para mejorar la competitividad empresarial.
Según explica el estudio, el objetivo principal es minimizar el tiempo que los camiones permanecen inactivos, tanto en el exterior como en las áreas de espera, al tiempo que se maximiza el uso de los recursos de la fábrica, como los muelles de carga y descarga.
El modelo tiene en cuenta múltiples restricciones propias de una planta industrial, como los horarios de cada estación, la capacidad de servicio simultáneo o el tipo de material que puede manipular cada zona, lo que añade complejidad al problema y hace necesaria la aplicación de métodos avanzados de optimización.'
Los resultados muestran que el sistema propuesto logra reducir de forma significativa el tiempo total de espera de los camiones en comparación con otros métodos existentes, lo que se traduce en una mejora de la productividad y una reducción potencial de costes logísticos.
Además, este tipo de soluciones puede tener un impacto indirecto en la sostenibilidad, al disminuir el tiempo que los vehículos permanecen detenidos con el motor en marcha, lo que contribuye a reducir emisiones contaminantes en entornos industriales.
El desarrollo se enmarca en una tendencia creciente hacia la aplicación de la inteligencia artificial y el análisis avanzado de datos en la gestión de la cadena logística, con el objetivo de hacer frente a la creciente demanda de eficiencia en sectores industriales cada vez más complejos.
Aunque el trabajo se ha realizado en un entorno simulado basado en una planta industrial con múltiples muelles, los autores consideran que la metodología puede trasladarse a otros ámbitos, como puertos, centros logísticos o incluso sistemas de transporte, donde la asignación eficiente de recursos y tiempos resulta crítica.
De cara al futuro, los investigadores apuntan a la posibilidad de evolucionar el modelo hacia sistemas dinámicos que se ajusten en tiempo real a cambios en la demanda o incidencias operativas, así como a integrar técnicas de aprendizaje automático para mejorar la toma de decisiones.