Análisis logístico de los puntos de carga y descarga de una compañía de transporte de la ciudad de Guayaquil utilizando las cadenas de Márkov con Python

Juan Carlos Yturralde Villagómez, Renzo Rogelio Padilla Gómez

Resumen


Existen muchas compañías de transporte pesado que se dedican a la transportación desde el puerto marítimo de la ciudad de Guayaquil hasta diferentes lugares dentro y fuera ella. Este artículo se enfocó en hacer un análisis logístico de la ruta que recorre una unidad de transporte de una compañía dedicada al traslado de trigo y pasta de soya para abastecer a la industria de alimentos balanceados para camarones. Una de las problemáticas que enfrenta este tipo de compañías es que generalmente desconocen el comportamiento de las rutas de transporte de la materia prima. Por esa razón, se examinó la información de un conjunto de datos correspondientes a las rutas realizadas por la unidad de transporte pesado correspondiente al periodo del 4 al 31 de octubre del año 2021, utilizando las cadenas de Markov.


La metodología utilizada para realizar el análisis logístico de las rutas establecidas por la unidad de transporte fue CRISP-DM, ya que se estableció el entendimiento del negocio, la representación de los puntos geográficos utilizando Python, la exploración de los datos, la construcción de la matriz de transición de probabilidades, la verificación de la distribución estacionaria y por último el análisis de los resultados. 


El resultado del análisis fue de mucha ayuda para la toma de decisiones de la compañía con respecto a la logística del transporte ya que se detectó que tres destinos, de nueve en total, cubren el 75% de visitas de la unidad de transporte. El análisis se efectuó por medio de la matriz de transición de probabilidad con distribución estacionaria, y con la ayuda de un script de Python desarrollado se calculó la probabilidad de ocurrencia de una ruta determinada.


Palabras clave


Análisis logístico; matriz de transición; distribución estacionaria y cadena de Márkov.

Texto completo:

PDF HTML XML

Referencias


Gestión de Operaciones. (2015). Cadenas de Markov (Ejercicios Resueltos). https://www.gestiondeoperaciones.net/cadenas-de-markov/cadenas-de-markov-ejercicios-resueltos/

GURTAM. (2021). Wialon Hosting. https://hosting.wialon.us/

IBM. (2021). CRISP-DM Help Overview - IBM Documentation. https://www.ibm.com/docs/en/spss-modeler/SaaS?topic=dm-crisp-help-overview

Jiang, Y. I., Saito, M., & Sinha, K. C. (1988). Bridge Performance Prediction Model Using the Markov Chain. In TRANSPORTATION RESEARCH RECORD (Vol. 1180).

Levinson, D., & Chen, W. (2005). Paving New Ground: A Markov Chain Model of the Change in Transportation Networks and Land Use. In Access to Destinations (pp. 243–266). Emerald Group Publishing Limited. https://doi.org/10.1108/9780080460550-012

Numpy. (2022). numpy.linalg.eig — NumPy v1.22 Manual. https://numpy.org/doc/stable/reference/generated/numpy.linalg.eig.html

PRIMICIAS. (2021). Precios del diésel y de gasolinas Extra y Ecopaís suben desde el 12 de octubre. https://www.primicias.ec/noticias/economia/precios-gasolinas-diesel-ecuador/

Viñamagua, G. B. (2017). Uso de las cadenas de Markov para un modelo de negocios. INNOVA Research Journal, 2(9.1), 112–123. https://doi.org/10.33890/innova.v2.n9.1.2017.507




DOI: http://dx.doi.org/10.23857/dc.v8i3.2931

Métricas del Artículos

Cargando Métricas.....

Metrics powered by MI WEB PRO

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2022 Juan Carlos Yturralde Villagómez, Renzo Rogelio Padilla Gómez

URL de la Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es

Polo de Capacitación, Investigación y Publicación (POCAIP)

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected]

URL: https://www.dominiodelasciencias.com/

DOI: https://doi.org/10.23857/pocaip