Predicción logística portuaria con modelación ARMA: evidencia del flujo de contenedores en el sur del Ecuador
DOI:
https://doi.org/10.62451/rep.v3i3.133Palabras clave:
Planificación logística, flujo de contenedores, modelo ARMA, series temporales, operaciones portuariasResumen
La creciente complejidad operativa de los puertos y la volatilidad del tráfico de contenedores han expuesto limitaciones estructurales en los procesos de planificación logística, particularmente en América Latina. En este contexto, la presente investigación propone la aplicación de un modelo ARMA para anticipar el flujo semanal de contenedores de importación en un puerto del sur del Ecuador, con el propósito de fortalecer la capacidad de respuesta operativa mediante estimaciones empíricamente validadas. El estudio se desarrolló bajo un enfoque cuantitativo, de diseño no experimental y corte transversal. Se utilizaron datos administrativos diarios de atención portuaria entre enero de 2022 y mayo de 2025, los cuales fueron transformados a frecuencia semanal para atenuar la variabilidad y capturar patrones logísticos más estables. La serie resultante, compuesta por 174 observaciones, fue sometida a pruebas de estacionariedad, y posteriormente modelada bajo un esquema ARMA (2,3), seleccionado con base en el análisis de los correlograma. Los resultados evidencian una alta dispersión en la carga semanal, con una media de 63,38 contenedores y marcadas asimetrías. El modelo estimado presentó coeficientes significativos, residuos estacionarios, homocedásticos y sin autocorrelación, además de una estructura robusta sin observaciones influyentes. La comparación in-sample mostró una adecuada aproximación entre los valores observados y estimados, validando al ARMA (2,3) como una herramienta útil para la planificación logística portuaria en contextos de alta variabilidad.
Citas
Ahmad, R. W., Hasan, H., Jayaraman, R., Salah, K., & Omar, M. (2021). Blockchain applications and architectures for port operations and logistics management. Research in Transportation Business & Management, 41. https://doi.org/10.1016/j.rtbm.2021.100620
Alkheder, S., Naif, D., Musaed, D., Al Shrekah, S., Al Rshaid, M., Al. Anzi, N., & Baqer, I. (2022). Maritime transport management in Kuwait toward an automated port logistical city. Cleaner Logistics and Supply Chain, 3(100031). https://doi.org/10.1016/j.clscn.2022.100031
Apolinario, R., Rodríguez, M., Segarra, H., & Caicedo, M. (2025). La gestión de la logística y el transporte internacional en el Ecuador: estrategias, retos y oportunidades en un mundo globalizado. Liveworkingeditorial.
Bayer, F., Pumi, G., Liberal, T., & Souza, T. (2023). Inflated beta autoregressive moving average models. Computational and Applied Mathematics, 42(183), 1-24. https://doi.org/10.1007/s40314-023-02322-w
Bazán, C., Morales, Y., González, C., & Álvarez, V. (2022). La función de producción Cobb-Douglas: Caso del sector C23 de fabricación de productos minerales no metálicos. Observatorio Empresarial, 2(3), 79-107. https://doi.org/10.56216/radee012022jun.a06
Cedillo-Chalaco, L., López-Vera, J., Jumbo, K., & Tabares, C. (2025). Relación entre inversión logística y comercio en Ecuador: un análisis econométrico de cointegración. INNOVA Research Journal, 10(2), 67-80. https://doi.org/10.33890/innova.v10.n2.2025.2757
Cook, D. (2025). Cook’s Distance. En, M. Lovric, International Encyclopedia of Statistical Science. (pp. 538-540). Springer.
Feo, M., Botella, A., Martínez, J., Pallardó, V., Requena, F., & Sala, R. (2024). Exploring supply chain and regional resilience through the analysis of the transport dimension. Case Studies on Transport Policy, 16. https://doi.org/10.1016/j.cstp.2024.101216
Habte, Z. (2022). The role of logistics performance in international trade: a developing country perspective. World Review of Intermodal Transportation Research, 11(1), 53-69. https://doi.org/10.1504/WRITR.2022.123100
Huseynli, N. (2022). Effect of Renewable Energy and Traditional Energy Production on Economic Growth: The Case of Turkey and Azerbaijan. International Journal of Energy Economics and Policy, 12(3), 267-261. https://doi.org/10.32479/ijeep.12943
Karimi, N., Javanmardi, E., Nadaffard, A., & Facchini, F. (Abril de 2025). Systematic analysis and optimization of operational delay factors in port supply chains using a hybrid DEMATEL-OPA-DGRA approach. 263(107620), 1-16. https://doi.org/10.1016/j.ocecoaman.2025.107620
Kenyon, G., Goldsmith, M., Neureuther, B., & Zhou, D. (2018). Improving the return on investment in ports: opportunities in data management. Maritime Economics & Logistics, 20, 514-530. https://link.springer.com/article/10.1057/s41278-017-0078-4
Kumari, R., Mani Tripathi, Y., Wang, L., & Kumar Sinha, R. (2024). Reliability estimation for Kumaraswamy distribution under block progressive type-II censoring. A Journal of Theoretical and Applied Statistics, 58, 142-175. https://doi.org/10.1080/02331888.2024.2301736
Lee, T. (2022). Wild bootstrap Ljung–Box test for residuals of ARMA models robust to variance change. Journal of the Korean Statistical Society, 51, 1005-1020. https://doi.org/10.1007/s42952-022-00172-6
Moon, J., Hossain, M. B., & Chon, K. H. (2021). AR and ARMA model order selection for time-series modeling with ImageNet classification. Signal Processing, 183(108026), 1-11. https://doi.org/10.1016/j.sigpro.2021.108026
Moscoso, J., Urda, D., Ruiz, J., González, E., & Turias, I. (10 de Septiembre de 2021). A machine learning-based forecasting system of perishable cargo flow in maritime transport. Neurocomputing, 452, 487-497. https://doi.org/10.1016/j.neucom.2019.10.121
Neagoe, M., Hvolby, H., & Turner, P. (2021). Why are we still queuing? Exploring landside congestion factors in Australian bulk cargo port terminals. Maritime Transport Research, 2, 1-14. https://doi.org/10.1016/j.martra.2021.100036
Özispa, N., Açık, A., & Baran, E. (2024). 2030 outlook for global cargo: ARIMA predictions for maritime trade. RESP, 3(2), 104-116. https://respjournal.com/index.php/pub/article/view/48/31
Paparoditis, E., & Politis, D. (2018). The asymptotic size and power of the augmented Dickey–Fuller test for a unit root. Econometric Reviews, 37(9), 955-973. https://doi.org/10.1080/00927872.2016.1178887
Tang, S., Jin, J. G., & Lu, C. (2022). Investigation of berth allocation problem in container ports considering the variety of disruption. Computers & Industrial Engineering, 172(108564). https://doi.org/10.1016/j.cie.2022.108564
Vadahni, B., Veysmoradi, D., Basir Abyaneh, M., & Rashedi, M. (2024). Robust integrated multi-mode scheduling of flexible loading and unloading operations with maintenance services in a port container terminal. Ocean and Coastal Management, 259(107481), 1-18. https://doi.org/10.1016/j.ocecoaman.2024.107481
Wang, P., Hu, Q., Xu, Y., Mei, Q., & Wang, F. (2021). Evaluation methods of port dominance: A critical review. Ocean & Coastal Management, 215(105954), 1-11. https://doi.org/10.1016/j.ocecoaman.2021.105954
Xu, B., Liu, W., Li, J., Yang, Y., Wen, F., & Song, H. (2023). Resilience measurement and dynamic optimization of container logistics supply chain under adverse events. Computers & Industrial Engineering, 180(109202), 1-19. https://doi.org/10.1016/j.cie.2023.109202
Yang, Z., Wan, C., Yang, Z., & Yu, Q. (2021). Using Bayesian network-based TOPSIS to aid dynamic port state control detention risk control decision. Reliability Engineering & System Safety, 213(107784). https://doi.org/10.1016/j.ress.2021.107784
Yen, B. T., & Mulley, C. (2023). Introduction to the themed volume on transport efficiency. Research in Transportation Business & Management, 46, 1-4. https://doi.org/10.1016/j.rtbm.2023.100949
Yin, J., Khan, R. U., Wang, X., & Asad, M. (2024). A data-centered multi-factor seaport disruption risk assessment using Bayesian networks. Ocean Engineering, 308, 411-421. https://doi.org/10.1016/j.oceaneng.2024.118338
Yu, M., Liang, Z., Teng, Y., Zhang, Z., & Cong, X. (2021). The inbound container space allocation in the automated container terminals. Expert Systems with Applications, 179(115014). https://doi.org/10.1016/j.eswa.2021.115014
Zeng, M., Liu, R., Gao, M., & Jiang, Y. (2022). Demand Forecasting for Rural E-Commerce Logistics: A Gray Prediction Model Based on Weakening Buffer Operator. Journal of Advanced Transportation, (3395757), 1-8. https://onlinelibrary.wiley.com/doi/10.1155/2022/3395757
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Luis Cedillo-Chalaco, Priscilla Hernández-Díaz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en Episteme & Praxis están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
