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

Autores/as

  • Juan Carlos Yturralde Villagómez UNIR, Universidad de Guayaquil.
  • Renzo Rogelio Padilla Gómez Universidad UNIR, Universidad de Guayaquil.

DOI:

https://doi.org/10.23857/dc.v8i3.2931

Palabras clave:

Análisis logístico, 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.

Biografía del autor/a

Juan Carlos Yturralde Villagómez, UNIR, Universidad de Guayaquil.

Universidad UNIR, Universidad de Guayaquil, Guayaquil, Ecuador.

Renzo Rogelio Padilla Gómez, Universidad UNIR, Universidad de Guayaquil.

Universidad UNIR, Universidad de Guayaquil, Guayaquil, Ecuador.

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

2022-08-11

Cómo citar

Yturralde Villagómez, J. C., & Padilla Gómez, R. R. (2022). 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. Dominio De Las Ciencias, 8(3), 292–321. https://doi.org/10.23857/dc.v8i3.2931

Número

Sección

Artí­culos Cientí­ficos