Mayor buque entrado en 2024

Podemos comprobar cual ha sido el mayor buque que entró en la ria de Avilés en 2024

Una de las preguntas que nos podemos hacer es: ¿Cual ha sido el mayor buque que ha entrado en la ria de Avilés en el 2024?. Para responder a esta pregunta vamos a hacer antes una serie de observaciones. Antes de todo cargamos los datos y los paquetes que necesitamos:

load("C:/BLOG/Workspaces/Puerto_Aviles/post2.RData")
library(tidyverse)

Comprobemos primero con un histograma la distribución de las esloras de los buques que han entrado en la ria de Avilés en 2024. Antes de hacerlo he observado que una de las variables de los datos del puerto de Avilés indica si el buque ha realizado una o varias operaciones durante el tiempo que ha estado en el puerto, por lo que se genera en el caso de que un buque haya traido dos mercancias dos registros de entrada al puerto, cuando en realidad el buque ha entrada una única vez, por lo que vamos registrar una única entrada. Veamos primero que valores tiene la variable “N” que indica el número de operaciones que ha realizado el buque

puerto_aviles %>% 
  count(N)

# A tibble: 4 × 2
      N     n
  <dbl> <int>
1     1   917
2     2    51
3     3     9
4     4     4

Como vemos la gran mayoría de barcos embarcan o desembarcan una única mercancia, pero hay casos en que han desembarcado dos y posteriormente han embarcado otras dos (por supuesto los tonelajes de las mercancias son distintos). Por tanto debemos quitar algunas de las variables para que tengamos registro único de un barco, aunque este haya venido para distintas operaciones y de ese modo no desvirtuar el histograma.

duplicados <- puerto_aviles %>%
  select(-N, -Mercancia, -Tonelaje) %>%    
  duplicated()             

# Filtrar filas duplicadas
puerto_aviles[duplicados, ]

# A tibble: 28 × 27
   Escala     At `Fecha Entrada` `Fecha Salida` Buque Pais_orig Origen orig_ylat
   <chr>   <dbl> <date>          <date>         <chr> <fct>     <fct>      <dbl>
 1 2024/3      1 2024-01-03      2024-01-07     GUNE… ITALIA    PORTO…      39.2
 2 2024/33     1 2024-01-21      2024-01-24     NARC… POLONIA   SZCZE…      53.4
 3 2024/66     1 2024-02-05      2024-02-06     NARC… POLONIA   SZCZE…      53.4
 4 2024/1…     1 2024-03-03      2024-03-05     SIDE… FRANCIA   DUNKE…      51.0
 5 2024/1…     1 2024-03-19      2024-03-20     NARC… FRANCIA   DUNKE…      51.0
 6 2024/2…     1 2024-03-25      2024-03-31     MIKE… SUDAFRICA CAPE …     -33.9
 7 2024/2…     1 2024-04-04      2024-04-04     WILS… ESPAÑA    SANTA…      43.5
 8 2024/4…     1 2024-04-21      2024-04-23     NARC… FRANCIA   DUNKE…      51.0
 9 2024/4…     1 2024-04-21      2024-04-23     NARC… FRANCIA   DUNKE…      51.0
10 2024/6…     1 2024-05-24      2024-05-25     COVA… POLONIA   SZCZE…      53.4
# ℹ 18 more rows
# ℹ 19 more variables: orig_xlong <dbl>, Pais_dest <fct>, Destino <fct>,
#   dest_ylat <dbl>, dest_xlong <dbl>, Calado <dbl>, Eslora <dbl>,
#   Consignatario <fct>, Muelle <fct>, N <dbl>, Operación <fct>,
#   Tonelaje <dbl>, Mercancia <chr>, Estibador <fct>, IMO <fct>, GT <dbl>,
#   CallSign <chr>, Bandera <fct>, `Tipo Buque` <fct>

Vamos a seleccionar por ejemplo las entradas del buque NARCEA, de fecha 2024-04-21

puerto_aviles %>% 
  select(Buque, `Fecha Entrada`, Operación, Mercancia, N) %>%
  filter(Buque == "NARCEA") %>%
  filter(`Fecha Entrada` == "2024-04-21")

# A tibble: 4 × 5
  Buque  `Fecha Entrada` Operación   Mercancia                      N
  <chr>  <date>          <fct>       <chr>                      <dbl>
1 NARCEA 2024-04-21      Desembarque ALQUITRAN                      1
2 NARCEA 2024-04-21      Desembarque CARBON BLACK FEEDSTOCK OIL     2
3 NARCEA 2024-04-21      Embarque    WASH OIL                       3
4 NARCEA 2024-04-21      Embarque    ANTRACENO                      4

Como podemos ver el buque realizó dos operaciones de desembarque de dos mercancias distintas y cargó posteriormente otras dos mercancias.

Por tanto para el histograma, podemos seleccionar la primera operación de cada buque, para ello vamos a ordenar los datos por fecha de entrada y seleccionar los valores de N = 1.

puerto_aviles %>% 
  filter(`Fecha Entrada` >= "2024-01-01" & `Fecha Entrada` <= "2024-12-31") %>%
  filter(N == 1) %>%
  ggplot(aes(Eslora)) +
  geom_histogram(binwidth = 2)

con lo que podemos visualizar de manera rápida la distribución de las esloras de los buques que han entrado en la ria de Avilés en el 2024.

Podemos listar los buques por su eslora de mayor a menor para ver cual ha sido el mayor buque que ha entrado en la ria de Avilés en el 2024.

puerto_aviles %>% 
  filter(`Fecha Entrada` >= "2024-01-01" & `Fecha Entrada` <= "2024-12-31") %>%
  select(Buque, `Fecha Entrada`, Eslora,  Operación, Mercancia, N) %>%
  arrange(desc(Eslora)) %>%
  head(10) 

# A tibble: 10 × 6
   Buque               `Fecha Entrada` Eslora Operación   Mercancia            N
   <chr>               <date>           <dbl> <fct>       <chr>            <dbl>
 1 KLARISSA OLDENDORFF 2024-08-20        229  Desembarque COAL                 1
 2 KRISTIAN OLDENDORFF 2024-12-27        229  Desembarque COAL                 1
 3 KEY HUNTER          2024-10-30        229. Desembarque CONCENTADOS DE …     1
 4 ATROTOS HERACLES    2024-11-23        229. Desembarque CONCENTADOS DE …     1
 5 KIRA OLDENDORFF     2024-02-17        228. Desembarque COAL                 1
 6 FEI JING            2024-09-07        225  Desembarque COAL                 1
 7 KEY FRONTIER        2024-09-18        225. Desembarque CONCENTADOS DE …     1
 8 STAR KINN           2024-12-10        209. Embarque    BREA                 1
 9 STAR MISTRAL        2024-09-05        200. Desembarque CHAPA                1
10 AMIS HERO           2024-03-03        200. Desembarque CONCENTADOS DE …     1

En este listado de los 10 que han entrado con mayor eslora, podemos ver que los cinco primeros tienen un valor similar y como estos grandes barcos traen principalmente carbón (coal).

Guardamos los datos de este post para usar en el siguiente:

save.image("C:/BLOG/Workspaces/Puerto_Aviles/post3.RData")