Sistema de predicción de costos de transporte de carga pesada utilizando herramientas de inteligencia artificial

Abstract

El transporte de carga pesada representa un 80% del movimiento de mercancías en Ecuador; sin embargo, las empresas del sector dependen de métodos empíricos de estimación de costos que presentan márgenes de error de entre 15% y el 25%, comprometiendo su rentabilidad y competitividad, por lo que esta investigación propone el desarrollo e implementación de TRANSPORT AI, un sistema web predictivo basado en varios algoritmos de Machine Learning, Random Forest, Regresión Lineal y Gradient Boosting, el cuál procesa variables operativas dinámicas: distancia recorrida, peso en toneladas, número de paradas, precio del combustible, peajes, viáticos y tipo de carga para generar estimaciones adaptadas a las condiciones reales de cada viaje, empleando un enfoque mixto validado sobre un caso de estudio sobre registros históricos de una empresa transportista ecuatoriana. En la fase de entrenamiento, el modelo arrojó un coeficiente de determinación R² = 0,9999, un Error Absoluto Medio (MAE) de $1,31 USD y una Raíz del Error Cuadrático Medio (RMSE) de $3,25 USD, mientras que la validación contra costos reales obtuvo un Error Porcentual Absoluto medio (MAPE) de 0,19%, confirmando la superioridad del modelo sobre los métodos tradicionales de cotización; adicionalmente se desarrolló una interfaz web que integra trazado georreferenciado de rutas, recalibración automática ante variaciones del precio del diésel y generación de informes técnicos en PDF, estandarizando el proceso de cotización y eliminando el error humano en el cálculo de fletes.