Gestión de la sostenibilidad portuaria basada en un modelo de redes bayesianas. Aplicación al sistema portuario español

espanolEn la explotacion y gestion portuaria entran en juego numerosas variables, necesitando el gestor de la infraestructura conocer las relaciones entre ellas para poder modificar condiciones de la explotacion. Con el empleo de redes bayesianas se pueden clasificar, predecir y diagnosticar dichas variables, al permitir estimar la probabilidad posterior de las variables no conocidas en base a las variables conocidas. Esto quiere decir, a nivel de planificacion, que no se tienen que conocer todas las variables, al conocer sus relaciones. Por ello, estas redes pueden utilizarse para tomar decisiones optimas introduciendo posibles acciones y la utilidad de sus resultados. En la metodologia que se propone se ha generado una base de datos con mas de 100 variables portuarias, clasificadas en economicas, sociales, ambientales e institucionales, tal como se abordan los estudios de smart ports, para el Sistema Portuario Espanol. A partir de ella se ha generado una red usando un grafo dirigido aciclico, que permite conocer las relaciones entre las variables portuarias en terminos de padres e hijos, modelando la incertidumbre de forma probabilistica incluso cuando el numero de variables es elevado, como ocurre en la explotacion y planificacion portuaria. La principal conclusion extraida es que las variables economicas son la causa del resto de tipologias de variables y ejercen el papel de padres de la red en la mayoria de los casos. Por otro lado, tambien se concluye que, conocidas variables de tipo ambiental, la red permite estimar la probabilidad posterior de las variables sociales. EnglishNumerous variables are involved in port operation and management, and infrastructure managers need to know relationships between them, to be able to modify operating conditions. Using Bayesian networks makes possible to classify, predict and diagnose these variables, allowing to estimate the posterior probability of the unknown variables based on the known variables. This means, at the planning level, that it is not necessary to know all the variables, knowing their relationships. Therefore, these networks can be used to make optimal decisions introducing possible actions and usefulness of their results. In the methodology proposed, a database with more than 100 port variables has been generated. Variables are classified as economic, social, environmental and institutional, as it is made in smart port studies in all Spanish Port System. Using this database, a network has been generated using an acyclic directed graph, which allows knowing relations between port variables regarding parents and sons. This kind of network allows modeling uncertainty probabilistically even when the number of variables is high as in the case of port planning and exploitation. The main conclusion of the study is that economic variables are the cause of the other typologies and they play the role of parents in the network in most of the cases. Moreover, another conclusion is related to environmental variables. So, if they are known, the network will allow estimating the subsequent probability of social ones.