Empilhamento vertical de contêineres em terminais baseado em clusterização Fuzzy C-means

Por que empilhar contêineres de forma mais inteligente importa

Todo ano, quase um bilhão de caixas metálicas padronizadas — contêineres — passam por portos ao redor do mundo. Colocar essas caixas em navios e retirá-las rapidamente é essencial para manter o fluxo de mercadorias e controlar custos. Contudo, um problema surpreendentemente simples atrasa as operações: quando o contêiner necessário está enterrado sob outros indevidos, os guindastes precisam reorganizar a pilha, desperdiçando tempo e combustível. Este artigo explora uma nova maneira orientada por dados de empilhar contêineres por peso que reduz essa reorganização dispendiosa, tornando os portos mais rápidos e confiáveis sem exigir mais espaço ou equipamentos.

O problema oculto das pilhas desordenadas

Os pátios de contêineres parecem organizados à distância, mas a sequência em que os contêineres devem ser carregados e descarregados é altamente incerta. Contêineres de saída chegam ao terminal antes do navio, e sua ordem exata de embarque é influenciada por regras de estabilidade do navio e por planos de estiva que mudam. Contêineres mais pesados normalmente vão para posições mais baixas no navio, os mais leves, mais altos. Contudo, quando os contêineres chegam, os operadores frequentemente não sabem se uma caixa será considerada “pesada” ou “leve” em relação à carga final. Estratégias tradicionais tentam priorizar contêineres pesados ou atribuir categorias de peso fixas, mas isso pode falhar: um contêiner classificado como pesado num dia pode ser considerado médio no seguinte, forçando reorganizações extras durante o carregamento.

Empilhamento vertical e por que o equilíbrio de peso importa

Os portos empregam diferentes formas de arranjar contêineres: lado a lado em filas (horizontal), empilhados por tipo semelhante em colunas (vertical) ou um híbrido de ambos. Este estudo foca no empilhamento vertical, onde contêineres com características parecidas são colocados na mesma pilha em formato de coluna. O empilhamento vertical é atraente porque facilita alcançar um contêiner de faixa de peso adequada sem perturbar muitos outros. Mas na prática o número de contêineres em cada faixa de peso varia de viagem para viagem. Se os grupos de peso são definidos usando limites rígidos — por exemplo, a cada 5 toneladas — muitos contêineres próximos às fronteiras acabam em pilhas diferentes apesar de terem pesos quase idênticos. Isso aumenta a variação de peso dentro das pilhas e reduz os benefícios do empilhamento vertical.

Deixar os dados traçarem os limites

Os autores propõem uma nova estratégia chamada Empilhamento em Sequência Vertical baseado em Fuzzy C-means, ou FVSS. Em vez de decidir antecipadamente onde ficam os limites de cada grupo de peso, o método analisa dados históricos de peso de navios na mesma rota e permite que um algoritmo de clusterização fuzzy encontre agrupamentos naturais. “Fuzzy” aqui significa que o peso de um contêiner pode pertencer em parte a vários grupos, refletindo o fato de que não existe uma fronteira nítida entre, por exemplo, médio e pesado. O algoritmo escolhe quantos clusters são mais adequados para os dados passados de cada navio e identifica um centro de peso para cada cluster. O pátio é então pré-dividido em um número de pilhas proporcional à quantidade típica de contêineres em cada grupo de peso, e cada pilha recebe um peso de referência baseado nesses centros.

Regras simples para decisões em tempo real

Uma vez configurado o pátio dessa forma, as operações diárias seguem uma regra direta. À medida que cada contêiner chega, sua classe de peso aproximada é determinada usando os clusters fuzzy. Se houver espaço livre nas pilhas reservadas para essa classe, o contêiner vai para lá. Se essas pilhas estiverem cheias ou várias opções estiverem disponíveis, o sistema escolhe a pilha cujo peso de referência é mais próximo do peso real do contêiner. Ao longo do tempo, isso guia suavemente contêineres de peso similar para as mesmas pilhas sem otimização complexa ou treinamento contínuo de aprendizado de máquina. Os autores testaram essa abordagem com dez meses de dados reais do Terminal de Contêineres de Busan, na Coreia, comparando-a com vários métodos conhecidos, incluindo empilhamento aleatório, uma estratégia híbrida horizontal–vertical e técnicas anteriores baseadas em modelos de mistura Gaussiana e aprendizado online.

O que os resultados significam para os portos

A medida-chave no estudo é quanto os pesos dos contêineres variam dentro de cada pilha — uma dispersão menor indica que é mais fácil encontrar contêineres adequados durante o carregamento do navio com menos reorganizações. Em múltiplos navios e duas configurações de pátio (5 e 10 pilhas), a estratégia FVSS reduziu a variância de peso muito mais do que as abordagens concorrentes, com melhorias de até 78% em comparação ao empilhamento aleatório e ganhos substanciais sobre outros métodos avançados. Crucialmente, o desempenho manteve-se robusto mesmo quando os pesquisadores distorceram deliberadamente os pesos dos contêineres para simular erros e mudanças de última hora. Para operadores portuários, isso significa que podem obter operações de guindaste mais suaves e tempos de retorno de navio menores ao confiar em um conjunto de regras automatizado, porém transparente, fácil de atualizar à medida que novas viagens são concluídas, sem investir em infraestrutura computacional pesada ou sistemas de aprendizado intrincados.

Citação: Lee, S., Lee, SH., Choi, S.C. et al. Fuzzy C-means clustering based vertical container stacking in container terminals. Sci Rep 16, 6891 (2026). https://doi.org/10.1038/s41598-026-37994-x

Palavras-chave: terminais de contêineres, empilhamento no pátio, clusterização fuzzy, logística marítima, eficiência operacional