{"id":20324,"date":"2026-10-21T13:36:36","date_gmt":"2026-10-21T13:36:36","guid":{"rendered":"https:\/\/sominnport.cat\/?post_type=cas&p=20324"},"modified":"2026-10-21T14:00:23","modified_gmt":"2026-10-21T14:00:23","slug":"ia-para-optimizar-rutas-maritimas-y-minimizar-el-impacto-ambiental-de-la-navegacion","status":"publish","type":"cas","link":"https:\/\/sominnport.cat\/es\/observatori\/ia-para-optimizar-rutas-maritimas-y-minimizar-el-impacto-ambiental-de-la-navegacion\/","title":{"rendered":"IA para optimizar rutas mar\u00edtimas y minimizar el impacto ambiental de la navegaci\u00f3n"},"content":{"rendered":"\n

Responsables del proyecto<\/strong><\/h2>\n\n\n\n

El proyecto ha sido desarrollado por investigadores de la Pusan National University (Corea del Sur). El estudio ha sido liderado por el profesor asistente Dowon Kim, junto con el doctorando Seongbeom Park y el profesor Jinhyeok Yun.<\/p>\n\n\n\n

Descripci\u00f3n del proyecto<\/strong><\/h2>\n\n\n\n

Este proyecto innovador desarrolla un sistema de inteligencia artificial para optimizar las rutas y la velocidad de los buques<\/strong>, teniendo en cuenta simult\u00e1neamente tanto el nivel de consumo de combustible como las condiciones ambientales de las zonas costeras.<\/p>\n\n\n\n

La propuesta parte de un reto espec\u00edfico: el impacto de las operaciones de navegaci\u00f3n sobre el entorno no depende \u00fanicamente de las emisiones generadas, sino tambi\u00e9n de las condiciones meteorol\u00f3gicas, que influyen en su dispersi\u00f3n. Las estrategias basadas \u00fanicamente en reducciones generales de velocidad de los buques pueden aumentar el tiempo de navegaci\u00f3n, sin que ello tenga una repercusi\u00f3n positiva en las emisiones que puedan llegar a la costa. Por ello, deben tenerse en cuenta las condiciones meteorol\u00f3gicas locales.<\/p>\n\n\n\n

Para dar respuesta a este reto, el sistema combina t\u00e9cnicas de inteligencia artificial basadas en principios f\u00edsicos (physics-informed deep learning<\/em>) con m\u00e9todos de optimizaci\u00f3n multiobjetivo. Utiliza datos ambientales obtenidos a trav\u00e9s de sensores para reconstruir en tiempo casi real los campos de flujo del aire y, a partir de esta informaci\u00f3n, predecir el comportamiento de las emisiones presentes en la atm\u00f3sfera en diferentes condiciones meteorol\u00f3gicas.<\/p>\n\n\n\n

A partir de estas predicciones, un sistema de optimizaci\u00f3n bayesiana multiobjetivo (un m\u00e9todo que compara diferentes alternativas para identificar las m\u00e1s adecuadas seg\u00fan diversos factores) determina combinaciones de ruta y velocidad que buscan equilibrar el consumo de combustible para minimizar la acumulaci\u00f3n de emisiones seg\u00fan las condiciones meteorol\u00f3gicas.<\/p>\n\n\n\n

Los investigadores denominan este enfoque temporal navigation<\/em>, ya que permite adaptar la ruta y la velocidad del buque a las condiciones meteorol\u00f3gicas del momento, en lugar de aplicar una reducci\u00f3n uniforme de velocidad.<\/p>\n\n\n\n

El sistema se ha probado en diferentes escenarios de navegaci\u00f3n, incluyendo simulaciones en el entorno del Puerto de Busan, en Corea del Sur. En estos escenarios, el enfoque basado en IA logr\u00f3 una mejora del 20-35 % en el rendimiento de la optimizaci\u00f3n de las rutas y una reducci\u00f3n del 34-78 % en la exposici\u00f3n m\u00e1xima a las emisiones contaminantes estudiadas<\/strong>, respecto a las estrategias de navegaci\u00f3n convencionales o los escenarios de referencia correspondientes.<\/p>\n\n\n\n

La innovaci\u00f3n principal del proyecto reside en incorporar las condiciones ambientales locales a las decisiones de navegaci\u00f3n, en lugar de centrar la optimizaci\u00f3n \u00fanicamente en el consumo de combustible o en las emisiones totales. De esta manera, la metodolog\u00eda tiene en cuenta tanto las caracter\u00edsticas de las operaciones de navegaci\u00f3n como las condiciones meteorol\u00f3gicas, que influyen en el comportamiento y la distribuci\u00f3n de las emisiones presentes en la atm\u00f3sfera.<\/p>\n\n\n\n

Este caso muestra c\u00f3mo la combinaci\u00f3n de inteligencia artificial, datos medioambientales y t\u00e9cnicas de optimizaci\u00f3n de la navegaci\u00f3n puede contribuir a mejorar la eficiencia operativa incorporando criterios ambientales en la planificaci\u00f3n de las rutas mar\u00edtimas.<\/p>\n\n\n\n

Objetivos del proyecto<\/strong><\/h2>\n\n\n\n

El objetivo principal es desarrollar un sistema de inteligencia artificial capaz de optimizar las rutas y los perfiles de velocidad de los buques para reducir el consumo de combustible y minimizar la exposici\u00f3n a emisiones durante las operaciones mar\u00edtimas.<\/p>\n\n\n\n

El proyecto tambi\u00e9n busca incorporar las condiciones meteorol\u00f3gicas locales a las decisiones de navegaci\u00f3n, facilitando estrategias m\u00e1s adaptadas a las condiciones ambientales y contribuyendo a unas operaciones mar\u00edtimas m\u00e1s eficientes y respetuosas con el entorno costero.<\/p>\n\n\n\n

Fecha de publicaci\u00f3n<\/strong><\/h2>\n\n\n\n

21 de octubre de 2026<\/p>\n\n\n\n

Enlaces de inter\u00e9s<\/strong><\/h2>\n\n\n\n