Acceso usuarios
Colombia
Colombia
In ports, process automation such as container identification using technologies such as Optical Character Recognition (OCR) and Radio Frequency Identification (RFID) is essential to speed up operations and reduce human error. The implementation of these systems not only increases competitiveness and security, but also minimizes operational risks and improves agility in the management of logistics flows, which is crucial to adapt to growing demand and ensure the sustainability of port infrastructures.
The present mixed research aims to design a deep learning model to optimize the container entry and exit processes at the Cartagena Container Terminal (CONTECAR). The model will be designed considering the existing infrastructure, technologies implemented to date, available machinery and logistical and organizational characteristics of terminal operating processes.
En las operaciones portuarias, la automatización de procesos —como la identificación de contenedores mediante tecnologías de Reconocimiento Óptico de Caracteres (OCR) y de Identificación por Radiofrecuencia (RFID)— es fundamental para agilizar los flujos de trabajo y reducir el error humano. La implementación de estos sistemas no solo incrementa la competitividad y la seguridad, sino que también minimiza los riesgos operativos, mejora la agilidad en la gestión de los flujos logísticos y asegura la capacidad de adaptación ante la creciente demanda, contribuyendo así a la sostenibilidad de las infraestructuras portuarias.
La presente investigación de enfoque mixto tiene como objetivo diseñar un modelo de aprendizaje profundo para optimizar los procesos de entrada y salida de contenedores en la Terminal de Contenedores de Cartagena (CONTECAR). El modelo se desarrollará considerando la infraestructura existente, las tecnologías implementadas hasta la fecha, la maquinaria disponible y las características logísticas y organizativas de los procesos operativos de la terminal.
