Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos

A partir del estudio de las herramientas que componen el control estadístico de procesos (SPC, por sus siglas in inglés), el presente artículo tiene como objetivo crear una metodología que pueda facilitar la identificación de eventos críticos, máximos y mínimos en series de tiempo relacionadas con l...

Full description

Autores:
Duran Correa, Jose Alejandro
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2017
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/35943
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/35943
https://noesis.uis.edu.co
Palabra clave:
Control Estadístico De Procesos
Gráfica De Control I
Pronósticos
Eventos Críticos
Planeación De Operaciones.
Statistical Process Control
Control I Chart
Forecasts
Critical Events
Operations Planning.
Rights
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_9557d90c123030096993efc06381e9b9
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/35943
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
dc.title.english.none.fl_str_mv Identification of critical events patterns in time series for the planning of solid waste collection
title Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
spellingShingle Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
Control Estadístico De Procesos
Gráfica De Control I
Pronósticos
Eventos Críticos
Planeación De Operaciones.
Statistical Process Control
Control I Chart
Forecasts
Critical Events
Operations Planning.
title_short Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
title_full Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
title_fullStr Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
title_full_unstemmed Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
title_sort Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidos
dc.creator.fl_str_mv Duran Correa, Jose Alejandro
dc.contributor.advisor.none.fl_str_mv Mejia Aguilar, Guillermo
dc.contributor.author.none.fl_str_mv Duran Correa, Jose Alejandro
dc.subject.none.fl_str_mv Control Estadístico De Procesos
Gráfica De Control I
Pronósticos
Eventos Críticos
Planeación De Operaciones.
topic Control Estadístico De Procesos
Gráfica De Control I
Pronósticos
Eventos Críticos
Planeación De Operaciones.
Statistical Process Control
Control I Chart
Forecasts
Critical Events
Operations Planning.
dc.subject.keyword.none.fl_str_mv Statistical Process Control
Control I Chart
Forecasts
Critical Events
Operations Planning.
description A partir del estudio de las herramientas que componen el control estadístico de procesos (SPC, por sus siglas in inglés), el presente artículo tiene como objetivo crear una metodología que pueda facilitar la identificación de eventos críticos, máximos y mínimos en series de tiempo relacionadas con la recolección de residuos sólidos. Debido a cambios inusuales observados a través del proceso de recolección de residuos residenciales, se busca mejorar el sistema actual de planeación y control de operaciones de una empresa anónima en los Estados Unidos, encargada de la gestión de residuos sólidos municipales, en 17 unidades en el área de mercado comprendida entre los estados de Texas y Oklahoma. Esta investigación implementó herramientas estadísticas para el tratamiento de series temporales, como el modelo multiplicativo con el cual se obtuvieron índices estacionales gracias a la descomposición de la tendencia. Además, se implementó la gráfica de control I del SPC, para visualizar la ubicación de los datos dentro de las zonas establecidas por límites de probabilidad. Con esta metodología, se pudo crear 51 series temporales que permitieran mejorar los pronósticos de los modelos ARIMA. Finalmente, según los resultados obtenidos, se realizaron comparaciones de los valores pronosticados de las series creadas respecto a los valores pronosticados de la serie de tiempo real, la metodología mejoró los errores MAPE y MPE, en un 78% y 75%, de los casos respectivamente.
publishDate 2017
dc.date.available.none.fl_str_mv 2017
2024-03-03T23:15:58Z
dc.date.created.none.fl_str_mv 2017
dc.date.issued.none.fl_str_mv 2017
dc.date.accessioned.none.fl_str_mv 2024-03-03T23:15:58Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/35943
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/35943
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv http://creativecommons.org/licenses/by/4.0/
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by/4.0/
http://creativecommons.org/licenses/by-nc/4.0
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicomecánicas
dc.publisher.program.none.fl_str_mv Ingeniería Civil
dc.publisher.school.none.fl_str_mv Escuela de Ingeniería Civil
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/e19d095f-dda5-45bf-a385-b81fe179900d/download
https://noesis.uis.edu.co/bitstreams/0faa0f39-77c6-4a42-8d82-e6502f9ab83d/download
https://noesis.uis.edu.co/bitstreams/948cefa5-53b4-49e5-94f2-cf7fd3d7ff17/download
bitstream.checksum.fl_str_mv d99173ad0173aabda779f0409dec7044
c3cc8e8560268e572813f47534f8fd9f
97d6a7346009d584591b34d1d3158590
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1808402310273957888
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)http://creativecommons.org/licenses/by/4.0/http://creativecommons.org/licenses/by-nc/4.0Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Mejia Aguilar, GuillermoDuran Correa, Jose Alejandro2024-03-03T23:15:58Z20172024-03-03T23:15:58Z20172017https://noesis.uis.edu.co/handle/20.500.14071/35943Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coA partir del estudio de las herramientas que componen el control estadístico de procesos (SPC, por sus siglas in inglés), el presente artículo tiene como objetivo crear una metodología que pueda facilitar la identificación de eventos críticos, máximos y mínimos en series de tiempo relacionadas con la recolección de residuos sólidos. Debido a cambios inusuales observados a través del proceso de recolección de residuos residenciales, se busca mejorar el sistema actual de planeación y control de operaciones de una empresa anónima en los Estados Unidos, encargada de la gestión de residuos sólidos municipales, en 17 unidades en el área de mercado comprendida entre los estados de Texas y Oklahoma. Esta investigación implementó herramientas estadísticas para el tratamiento de series temporales, como el modelo multiplicativo con el cual se obtuvieron índices estacionales gracias a la descomposición de la tendencia. Además, se implementó la gráfica de control I del SPC, para visualizar la ubicación de los datos dentro de las zonas establecidas por límites de probabilidad. Con esta metodología, se pudo crear 51 series temporales que permitieran mejorar los pronósticos de los modelos ARIMA. Finalmente, según los resultados obtenidos, se realizaron comparaciones de los valores pronosticados de las series creadas respecto a los valores pronosticados de la serie de tiempo real, la metodología mejoró los errores MAPE y MPE, en un 78% y 75%, de los casos respectivamente.PregradoIngeniero CivilFrom the study of the tools that compose the statistical process control (SPC, by its acronym in English), the present article aims to create a methodology that can facilitate the identification of critical events, maximum and minimum in time series related to the collection of solid waste. Due to unusual changes observed through the process of residential waste collection, it seeks to improve the current system of planning and control operations of an anonymous company in the United States, responsible for municipal solid waste management, in 17 units in the market area between the states of Texas and Oklahoma. This research implemented statistical tools for the treatment of time series, as the multiplicative model with which seasonal indices were obtained thanks to the decomposition of the trend. In addition, the control chart I of the SPC was implemented, to visualize the location of the data within the zones established by probability limits. With this methodology, it was possible to create 51 time series that allowed improving the forecasts of the ARIMA models. Finally, according to the obtained results, comparisons of the predicted values of the series created with respect to the predicted values of the real-time series were made; the methodology improved the MAPE and MPE errors, in 78% and 75% of the cases respectively.application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicomecánicasIngeniería CivilEscuela de Ingeniería CivilControl Estadístico De ProcesosGráfica De Control IPronósticosEventos CríticosPlaneación De Operaciones.Statistical Process ControlControl I ChartForecastsCritical EventsOperations Planning.Identificación de patrones de eventos críticos en series de tiempo para la planeación de la recolección de residuos sólidosIdentification of critical events patterns in time series for the planning of solid waste collectionTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf274781https://noesis.uis.edu.co/bitstreams/e19d095f-dda5-45bf-a385-b81fe179900d/downloadd99173ad0173aabda779f0409dec7044MD51Documento.pdfapplication/pdf1925118https://noesis.uis.edu.co/bitstreams/0faa0f39-77c6-4a42-8d82-e6502f9ab83d/downloadc3cc8e8560268e572813f47534f8fd9fMD52Nota de proyecto.pdfapplication/pdf131564https://noesis.uis.edu.co/bitstreams/948cefa5-53b4-49e5-94f2-cf7fd3d7ff17/download97d6a7346009d584591b34d1d3158590MD5320.500.14071/35943oai:noesis.uis.edu.co:20.500.14071/359432024-03-03 18:15:58.34http://creativecommons.org/licenses/by-nc/4.0http://creativecommons.org/licenses/by/4.0/open.accesshttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co