
Ejemplo ilustrativo. Estos escenarios y cifras de ejemplo ilustran un enfoque. No son resultados de clientes verificados ni una promesa de ahorro. El alcance y los resultados dependen de los datos, sistemas y condiciones operativas.
Pacific Ports Authority estaba al límite de su capacidad. La congestión en el patio provocaba que los buques esperasen fondeados entre 12 y 18 horas — costando a las líneas navieras hasta 80.000 $/día en demora. Los contenedores requerían una media de 2,4 remanipulaciones por caja para llegar al buque correcto, y la introducción manual de datos de entrada y salida de compuerta introducía un 8% de tasa de error.
Se instalaron cámaras IP 4K en las 14 grúas ship-to-shore y 6 carriles de compuerta; un modelo YOLOv8 lee códigos ISO con un 98,5% de precisión en cualquier condición de luz.
Se construyó un bus de eventos Kafka donde cada escaneo de contenedor genera un evento inmutable consumido por el optimizador de gestión del patio y el motor de ETA del buque.
Se desarrolló un optimizador de satisfacción de restricciones para la programación de movimientos de grúas que minimiza las remanipulaciones secuenciando los movimientos frente a las ventanas de salida previstas.
Se sustituyeron los albaranes en papel por ranuras de reserva de camiones integradas con RFID, sincronizando las llegadas con las ventanas de disponibilidad de grúas.
Se desplegó un dashboard de operaciones React + D3.js que ofrece a los planificadores una vista aérea en vivo de la ocupación del patio, utilización de grúas y tiempo restante de los buques.
Construimos una plataforma completamente automatizada de seguimiento de contenedores e inteligencia de patio. La visión artificial lee cada ID de contenedor en movimiento — recogida de grúa, puesta en posición y tránsito por compuerta — eliminando completamente la entrada manual. Estos datos de posición en vivo alimentan un optimizador de programación que secuencia todos los movimientos de grúas para minimizar las remanipulaciones y maximizar el rendimiento de los buques.
YOLOv8 (Ultralytics)
Detección de código ISO de contenedor y matrícula de camión en tiempo real a 30 fps en 20 feeds de cámara.
OpenCV
Pipeline de preprocesamiento de imágenes: corrección de distorsión de lente, normalización de contraste, recorte de ROI.
Google OR-Tools
Solucionador de satisfacción de restricciones para secuenciar movimientos de grúas frente a plazos de salida de buques.
TensorFlow Serving
Servidor de inferencia de modelos de baja latencia alojado en nodos GPU dentro de la nube privada del puerto.
Redis
Caché en memoria para el estado de posición en vivo del patio — búsqueda en submilisegundos para el optimizador.
Apache Kafka
Registro inmutable de eventos de contenedor consumido por el optimizador, el motor de ETA y el sistema de facturación.
Oracle Database
Registros maestros para escalas de buques, integración con el sistema operativo del terminal y registros de auditoría.
React + D3.js
Planificador de patio interactivo: mapa de ranuras en vivo, mapa de calor de utilización de grúas y línea de tiempo de ETA de buques.
Lecturas relacionadas
Hablemos sobre cómo podemos aplicar estas mismas estrategias a tu negocio.
Empieza por la decisión
Cuéntanos tu reto. Te responderemos para organizar una evaluación y definir una ruta práctica.
Solicitar una evaluación de datos