Container Classification: A Hybrid AHP-CNN Approach for Efficient Logistics Management

Resumen

Esta investigación presenta un enfoque innovador que integra inteligencia artificial (IA) y big data para la clasificación de contenedores, utilizando el proceso de jerarquía analítica (AHP) y la red neuronal convolucional (CNN). El estudio tiene como objetivo abordar los desafíos asociados con la priorización de contenedores según el peso, el destino, los requisitos especiales, las consideraciones financieras y criterios adicionales.
El método AHP de criterios múltiples se emplea para determinar la importancia relativa de cada criterio, proporcionando entradas ponderadas para la clasificación CNN posterior. El modelo híbrido AHP-CNN está diseñado estratégicamente para optimizar la clasificación de contenedores, minimizando los movimientos de reorganización dentro de los patios de contenedores y facilitando una priorización eficiente.
A través de una simulación integral, se muestra la efectividad y adaptabilidad del modelo propuesto. El estudio incluye un análisis de sensibilidad que evalúa la precisión del modelo en varios escenarios de peso. Los resultados demuestran la robustez del modelo híbrido, logrando un alto nivel de precisión en la clasificación de contenedores. En particular, en tres escenarios distintos, el modelo mostró tasas de precisión del 89,00%, 88,84% y 91,05%, respectivamente.