La Compañía Sudamericana de Vapores ofrece servicios de movimiento de carga intermodal, principalmente mediante contenedores, usando para su transporte distintos medios como barcos, camiones, barcazas y trenes. El servicio típico que ofrece la empresa, se inicia prestando un contenedor vacío a un cliente para que éste lo cargue. Posteriormente, recibe la carga y la transporta hacia el destino pactado usando los distintos medios disponibles. Una vez en destino, la carga es retirada del contenedor, quedando éste vacío, libre para satisfacer un nuevo ciclo de demanda. La diferencia entre demanda y devolución de contenedores vacíos por parte de los clientes que se enfrentan a cada localidad, se traduce en un desbalance comercial. Para corregirlo, la empresa debe reposicionar contenedores vacíos desde las localidades superavitarias hacia las que presentan déficit usando los mismos medios que para el transporte de carga, compartiendo su capacidad o bien incorporando contenedores a la flota en localidades con necesidad y devolviéndolos en localidades con superávit. Programar las operaciones resulta difícil, por el alto número de variables involucradas, la incertidumbre en la demanda, la devolución, las rutas y las capacidades para el transporte de contenedores. Una vez pronosticadas las variables anteriores, se determina la forma más económica de satisfacer las necesidades proyectadas, decidiendo el número de contenedores a mantener en la flota y la cantidad de equipos vacíos a reposicionar. Encontrar las mejores decisiones para este problema en forma manual es muy difícil dado el alto número de variables y posibles escenarios. En este trabajo, se expone la creación e implementación de un sistema de gestión computacional basado en un modelo de optimización que permite asistir el proceso de toma de decisiones respecto de la cantidad de contenedores a utilizar en flota y del reposicionamiento de contenedores vacíos a futuro. El modelo analiza 500.000 variables respetando 120.000 restricciones y demora cerca de 30 minutos en encontrar una solución óptima para cada instancia. Tiene como función objetivo minimizar el costo de operación de la compañía a un horizonte de seis meses. La dimensión del problema se debe a que el modelo resuelve la operación futura de los 325.000 contenedores que la empresa utiliza para su operación diaria en un total de 600 puertos de comercialización que se comunican entre sí a través de 30 rutas marítimas preestablecidas para el transporte de equipos tanto llenos como vacíos. Para estimar los beneficios que esta herramienta entregaría a la empresa, se utilizo el sistema de optimización para planificar un período conocido. El beneficio en este caso fue del 20% de ahorro en los costos de operación. Este número es una cota superior de lo que se obtendrá en la práctica, debido a que se utilizo un escenario determinístico para la optimización.