Anólisis logístico de los puntos de carga y descarga de una compañía de transporte de la ciudad de Guayaquil utilizando las cadenas de Mórkov con Python
DOI:
https://doi.org/10.23857/dc.v8i3.2931Palabras clave:
Análisis logÃstico, matriz de transición, distribución estacionaria y cadena de Márkov.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 anólisis 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 problemóticas 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 anólisis 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 geogróficos utilizando Python, la exploración de los datos, la construcción de la matriz de transición de probabilidades, la verificación de la distribución estacionaria y por íºltimo el anólisis de los resultados.
El resultado del anólisis 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 anólisis 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.
Citas
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 dií©sel 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
Publicado
Cómo citar
Número
Sección
Licencia
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.