Nadie predijo hace un año que todos los segmentos del mercado de graneles estarían a US$30.000/día, es decir, tres o cuatro veces más que hace doce meses. Nadie predijo tampoco que los cuatro segmentos se negociarían con una diferencia mínima entre sí, lo que no es habitual, señala el reporte semanal de Alphabulk.

Pero estos días de oscuridad posiblemente hayan terminado, ya que el Big Data y la Inteligencia Artificial, se supone, permitirían predecir el futuro. O al menos eso es lo que afirman los actores de la industria que han «aprovechado» ambas herramientas para poder ver a través del desorden.

Según plantean desde la consultora, los beneficios no se obtienen acertando siempre, sino acertando más veces que equivocándose y minimizando las pérdidas cuando las cosas van mal. Esto es, la gestión de riesgos.

Un sistema de gestión de riesgos adecuado es barato de implementar y dará resultados inmediatos, mientras que la búsqueda de una herramienta de predicción perfecta puede ser cara y esquiva.

 Se señala además que los participantes en el mercado deben ser siempre estudiantes de sus mercados, lo que implica recopilar datos, limpiarlos y clasificarlos con cualquier herramienta -matemática o estadística- a disposición y que, hoy por hoy, son estupendas.

Pero ¿Qué es el Big Data?

Una definición sería: «…conjuntos de datos extremadamente grandes que pueden ser analizados computacionalmente para revelar patrones, tendencias y asociaciones, especialmente relacionadas con el comportamiento y las interacciones humanas».

Big Data suele caracterizarse por: Un gran volumen de datos; una gran variedad de datos; y una alta velocidad a la que se generan, recogen y procesan gran parte de los datos.

De lo anterior se desprende que la Big Data no existe actualmente en el transporte marítimo puramente a nivel de buque. Algunos proveedores afirman que diariamente se recopilan miles de millones de datos relacionados con la flota mercante mundial, que hoy en día se compone de algo más de 100.000 buques: tanqueros, gaseros, portacontenedores, de carga pesada, etc.

Pues bien, las cifras de datos limitados, derivados de 100.000 buques sólo puede ayudar a detectar los siguientes patrones: los buques tienden a moverse en el agua entre los puertos, están vacíos parte del tiempo, además de algunos otros patrones de poca importancia.

Por ejemplo, averiguar a las pocas horas de su zarpe que un Capesize que sale de Brasil se dirige hacia el Cabo de Buena Esperanza o hacia Europa puede ser útil, pero no responde a una aplicación de Big Data. Contar el número de buques que esperan anclados en varios puertos y detectar un aumento o disminución repentina de ese número es muy útil y sí se acerca a una aplicación de Big Data. También es inmensamente útil detectar un cambio en la velocidad media de la flota como un aumento de la capacidad disponible, así como su disminución.

Podría decirse que las Big Data en su forma más estricta no se aplica al transporte marítimo, ya que la flota mercante mundial es demasiado pequeña para generar «conjuntos de datos extremadamente grandes conjuntos de datos…». Sin embargo, el transporte marítimo depende de muchas variables, como los flujos comerciales mundiales y la economía mundial, que sí generan «conjuntos de datos extremadamente grandes…», cumpliendo la definición estricta de Big Data.

Inteligencia Artificial 

Según IBM, «la Inteligencia Artificial utiliza ordenadores y máquinas para imitar la capacidad de resolución de problemas y de toma de decisiones de la mente humana». De hecho, hoy en día existen dos vías de desarrollo de la Inteligencia Artificial: el enfoque humano, es decir, sistemas que piensan como humanos y sistemas que actúan como humanos; y el enfoque ideal, es decir, sistemas que piensan racionalmente.

En pocas palabras, la inteligencia artificial consiste en combinar las ciencias de la computación con amplios conjuntos de datos (Big Data) para permitir la resolución de problemas. Para ello se basa en subconjuntos como el aprendizaje automático y el aprendizaje profundo, por lo que estos dos subconjuntos se mencionan con frecuencia junto con la inteligencia artificial.

Detección de anomalías

Estos subconjuntos se componen de algoritmos de Inteligencia Artificial que pretenden crear sistemas expertos que hagan predicciones y/o clasificaciones a partir de los datos de entrada. La idea es, en primer lugar, enseñar a la máquina a reaccionar como un humano, incluidas las capacidades de aprendizaje. Pero según Alphabulk, el defecto de la Inteligencia Artificial es que en realidad no es artificial en absoluto, ya que está programada por humanos y, por tanto, con todos sus defectos.

No obstante, una de las aplicaciones que se considera que aporta un valor añadido es el llamado análisis sintáctico del correo electrónico. Los corredores y directores tienen que lidiar con increíbles flujos de correos electrónicos y aquí la Inteligencia Artificial complementando el ML y el NLP puede ser muy útil. Un sistema parser de correo permite la extracción de datos de los correos electrónicos entrantes, y pueden configurarse para extraer campos de datos específicos de los mensajes entrantes. Esto permite convertir los correos electrónicos de texto no estructurados en datos estructurados que luego pueden utilizarse para cualquier fin.

Y hay un nuevo campo en el transporte marítimo en el que la Big Data y la inteligencia artificial también podrían ser muy útiles: el campo del mantenimiento predictivo y preventivo. Con la ayuda de un servidor a bordo conectado a una serie de sensores de a bordo, una plataforma de análisis remoto puede crear un gemelo digital de cualquier buque.

Esta embarcación «digital» puede entonces ser supervisada permanentemente mediante la recopilación de miles de datos diarios. Esto incluye elementos como la temperatura, la presión o las vibraciones. En cada uno de ellos se pueden establecer alarmas basadas en umbrales.

Después de un cierto período de tiempo de recogida de datos, la plataforma puede empezar a funcionar como un sistema automatizado de detección de anomalías que utiliza eficazmente la inteligencia artificial y los modelos de aprendizaje automático para supervisar los equipos a bordo en busca de fallos, desencadenando la intervención humana antes de que se produzca una avería. Aquí se puede encontrar la intersección perfecta entre el transporte marítimo, la inteligencia artificial y el Big Data.