Planeación óptima de la red de rutas de una aerolínea

An analytic methodology is developed to recommend the optimal plan for an airline network, determining the best capacity deployment by route and by month in one year horizon, having the objective of maximizing the projected profitability. This Work comprehends the integration of several predictive m...

Full description

Autores:
Rojas Arcila, Daniel Camilo
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/51034
Acceso en línea:
http://hdl.handle.net/1992/51034
Palabra clave:
Líneas aéreas - Planificación
Transporte de pasajeros - Colombia
Aviación comercial
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_cdc4429c21dfd0684a80f48459d66ce5
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51034
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Planeación óptima de la red de rutas de una aerolínea
title Planeación óptima de la red de rutas de una aerolínea
spellingShingle Planeación óptima de la red de rutas de una aerolínea
Líneas aéreas - Planificación
Transporte de pasajeros - Colombia
Aviación comercial
Ingeniería
title_short Planeación óptima de la red de rutas de una aerolínea
title_full Planeación óptima de la red de rutas de una aerolínea
title_fullStr Planeación óptima de la red de rutas de una aerolínea
title_full_unstemmed Planeación óptima de la red de rutas de una aerolínea
title_sort Planeación óptima de la red de rutas de una aerolínea
dc.creator.fl_str_mv Rojas Arcila, Daniel Camilo
dc.contributor.advisor.none.fl_str_mv Medaglia González, Andrés L.
Suárez Bayona, Daniel Eduardo
dc.contributor.author.none.fl_str_mv Rojas Arcila, Daniel Camilo
dc.contributor.jury.none.fl_str_mv Alvarez Martínez, David
dc.subject.armarc.none.fl_str_mv Líneas aéreas - Planificación
Transporte de pasajeros - Colombia
Aviación comercial
topic Líneas aéreas - Planificación
Transporte de pasajeros - Colombia
Aviación comercial
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description An analytic methodology is developed to recommend the optimal plan for an airline network, determining the best capacity deployment by route and by month in one year horizon, having the objective of maximizing the projected profitability. This Work comprehends the integration of several predictive models with a prescriptive model of Mixed Integer Programming (MIP), which at the end will provide the optimal recommendation for the capacity deployment of the airline. The projected profit is modeled in the MIP as the criteria to be maximized, however, to model the revenues, it is necessary to answer three fundamental questions: 1. ¿what will be the capacity deployment of competitors in each route for the following year? 2. ¿How is the passenger?s response versus market capacity changes? 3. ¿What has been the historical effects that capacity changes have in average fares for each route? To respond to these questions predictive models are developed; for the first question, four models involving time series and neural network are applied for each route (Auto-Arima, Prophet, LSTM, MLSTM), every model is assessed by the Root Mean Square Error (RMSE), assigning the model with the best performance in each route. On the other hand, regression models are implemented to model the passengers and fare in terms of capacity. Once the models for competitors offer prediction are obtained (question one), a potential range of several choices of capacity deployment for the airline are combined with the capacity projection of competitors to obtain potential total market deployment, which is used to estimate passengers and fares by using the regression models. Finally, these models provide the estimations to the MIP and then the optimization model is run to provide the plan recommendation.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:06:42Z
dc.date.available.none.fl_str_mv 2021-08-10T18:06:42Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51034
dc.identifier.pdf.none.fl_str_mv 23399.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/51034
identifier_str_mv 23399.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 45 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Maestría en Inteligencia Analítica para la Toma de Decisiones
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.spa.fl_str_mv Departamento de Ingeniería Industrial
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/7fd839ca-1c70-4f85-84fa-64ab6492fd4c/download
https://repositorio.uniandes.edu.co/bitstreams/a469ed94-dd84-405f-a7ce-e0ef53df6798/download
https://repositorio.uniandes.edu.co/bitstreams/d9b46759-e33f-4bf7-ab35-c99dd0610279/download
bitstream.checksum.fl_str_mv 7f3f239c20e206430fe20c053a060a75
9af0853b2a4de8cd08394181c3605f6a
8cf9b2f85f32d9336946e32a67d81d3d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134078614339584
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Medaglia González, Andrés L.3642fa58-ecf3-4f9e-a695-5934b0ff6c5f400Suárez Bayona, Daniel Eduardo0d2ed7e8-ac2c-4fe5-8948-3956c5b3cd95400Rojas Arcila, Daniel Camiloc70ad3f4-7f28-42f7-80f1-7eeed03191b3500Alvarez Martínez, David2021-08-10T18:06:42Z2021-08-10T18:06:42Z2020http://hdl.handle.net/1992/5103423399.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/An analytic methodology is developed to recommend the optimal plan for an airline network, determining the best capacity deployment by route and by month in one year horizon, having the objective of maximizing the projected profitability. This Work comprehends the integration of several predictive models with a prescriptive model of Mixed Integer Programming (MIP), which at the end will provide the optimal recommendation for the capacity deployment of the airline. The projected profit is modeled in the MIP as the criteria to be maximized, however, to model the revenues, it is necessary to answer three fundamental questions: 1. ¿what will be the capacity deployment of competitors in each route for the following year? 2. ¿How is the passenger?s response versus market capacity changes? 3. ¿What has been the historical effects that capacity changes have in average fares for each route? To respond to these questions predictive models are developed; for the first question, four models involving time series and neural network are applied for each route (Auto-Arima, Prophet, LSTM, MLSTM), every model is assessed by the Root Mean Square Error (RMSE), assigning the model with the best performance in each route. On the other hand, regression models are implemented to model the passengers and fare in terms of capacity. Once the models for competitors offer prediction are obtained (question one), a potential range of several choices of capacity deployment for the airline are combined with the capacity projection of competitors to obtain potential total market deployment, which is used to estimate passengers and fares by using the regression models. Finally, these models provide the estimations to the MIP and then the optimization model is run to provide the plan recommendation.Se desarrolla una metodología analítica para recomendar la planeación óptima de la red de rutas de una aerolínea, determinando el despliegue de capacidad por ruta y por mes durante un horizonte de planeación de un año. Lo anterior, con el fin de maximizar la rentabilidad esperada. Este trabajo comprende la integración de modelos predictivos y un modelo prescriptivo de programación entera mixta (MIP), el cual genera la recomendación óptima de capacidad a ofertar. En el MIP se modela la rentabilidad cómo criterio objetivo a maximizar, sin embargo, para modelar los ingresos es necesario responder a tres preguntas fundamentales: 1. ¿Qué oferta desplegará la competencia para el siguiente año en cada ruta?, 2. ¿Cómo responden los pasajeros ante los cambios de capacidad del mercado?, y 3. ¿Qué efectos históricos tienen los cambios de capacidad del mercado en la tarifa promedio de cada ruta? Para responder a estas preguntas se desarrollan modelos predictivos, 4 modelos que involucran series de tiempo y redes neuronales son desarrollados para resolver la primera pregunta (Auto-Arima, Prophet, LSTM, MLSTM). Por tanto, se aplica para cada ruta el mejor modelo en términos del menor error cuadrático medio (RMSE). Por otro lado, a través de modelos de regresión, se modelan los comportamientos de la tarifa y los pasajeros versus la capacidad. Una vez se tienen estos modelos predictivos, se genera un rango de posibilidades de oferta de la aerolínea para cada ruta de tal manera que el modelo de optimización seleccione el despliegue óptimo de capacidad. Es decir, cada oferta posible se agrega a las predicciones de capacidad de los competidores para obtener la proyección de capacidad del mercado total, esto a su vez alimentará los modelos de las preguntas 2 y 3 de tal manera que, para cada una de estas combinaciones, se estimen los ingresos esperados, y así, al resolver el modelo de optimización se seleccionará la mejor combinación de oferta a proponer para cada ruta.Magíster en Inteligencia Analítica para la Toma de DecisionesMaestría45 hojasapplication/pdfspaUniversidad de los AndesMaestría en Inteligencia Analítica para la Toma de DecisionesFacultad de IngenieríaDepartamento de Ingeniería IndustrialPlaneación óptima de la red de rutas de una aerolíneaTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMLíneas aéreas - PlanificaciónTransporte de pasajeros - ColombiaAviación comercialIngeniería201924286PublicationTHUMBNAIL23399.pdf.jpg23399.pdf.jpgIM Thumbnailimage/jpeg6893https://repositorio.uniandes.edu.co/bitstreams/7fd839ca-1c70-4f85-84fa-64ab6492fd4c/download7f3f239c20e206430fe20c053a060a75MD55ORIGINAL23399.pdfapplication/pdf2151891https://repositorio.uniandes.edu.co/bitstreams/a469ed94-dd84-405f-a7ce-e0ef53df6798/download9af0853b2a4de8cd08394181c3605f6aMD51TEXT23399.pdf.txt23399.pdf.txtExtracted texttext/plain53838https://repositorio.uniandes.edu.co/bitstreams/d9b46759-e33f-4bf7-ab35-c99dd0610279/download8cf9b2f85f32d9336946e32a67d81d3dMD541992/51034oai:repositorio.uniandes.edu.co:1992/510342024-08-15 08:37:44.682https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co