Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo
Las aerolíneas sobrevenden sus vuelos rutinariamente basadas en el supuesto de que una porción de los pasajeros con un tiquete no van a abordar su vuelo o cancelaran previamente. Se tiende a usar modelos de forecast convencionales para estimar la probabilidad de que un pasajero (con unas característ...
- Autores:
-
Cruz Gil, Juan David
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/53350
- Acceso en línea:
- http://hdl.handle.net/1992/53350
- Palabra clave:
- Aprendizaje automático (Inteligencia artificial)
Líneas aéreas
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| id |
UNIANDES2_ff4535de0ebcb297df8f9e58046aa44c |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/53350 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| 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_abf2Álvarez Martínez, Davidvirtual::13542-1Cruz Gil, Juan David0ac2f6d3-9988-4186-b7c5-7d30d993939d600Gómez Castro, Camilo HernandoQuiroga Gómez, Edwin Camilo2021-11-03T16:19:23Z2021-11-03T16:19:23Z2021http://hdl.handle.net/1992/5335024302.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Las aerolíneas sobrevenden sus vuelos rutinariamente basadas en el supuesto de que una porción de los pasajeros con un tiquete no van a abordar su vuelo o cancelaran previamente. Se tiende a usar modelos de forecast convencionales para estimar la probabilidad de que un pasajero (con unas características únicas del mismo) llegue o no a su vuelo. En este trabajo se propone una metodología que estime la cantidad de personas que no asisten a un vuelo, teniendo en cuenta las características propias del vuelo y no del pasajero a través de modelos de aprendizaje automático. A través de este modelo, se genera una herramienta de fácil uso que permite tener un estimativo del número real de no-show en un vuelo, ya sea para un uso por el área operacional o de revenue de una aerolínea. Se usa como caso de estudio una aerolínea de bajo costo situada en Colombia.Airlines overbook their flights in a daily basis based on the assumption that a portion of the passengers with a ticket are not going to board their flight or they are going to cancel. Forecasts models are used to estimate the probability for a passenger (with unique characteristics) to arrive for their flight. In this work a new methodology is proposed that estimates the amount of people that doesn't arrive to the flight, based on the unique characteristics of the flight and not the passenger through machine learning algorithms. Through this model an easy to use tool is created that is able to estimate the no-show number in a real flight. A los cost Colombian airline is used as study cased.Magíster en Ingeniería IndustrialMaestría27 páginasapplication/pdfspaUniversidad de los AndesMaestría en Ingeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería IndustrialAprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMAprendizaje automático (Inteligencia artificial)Líneas aéreasIngeniería201224101Publication0000-0001-8411-1936virtual::13542-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000935700virtual::13542-1b7f11fc3-4fb6-476e-b2d6-bd3bb348a167virtual::13542-1b7f11fc3-4fb6-476e-b2d6-bd3bb348a167virtual::13542-1ORIGINAL24302.pdfapplication/pdf1340867https://repositorio.uniandes.edu.co/bitstreams/a5644429-d36d-4f89-bbe3-bc5727a99bab/downloadfb346b05070037fca237752270641caaMD51THUMBNAIL24302.pdf.jpg24302.pdf.jpgIM Thumbnailimage/jpeg13299https://repositorio.uniandes.edu.co/bitstreams/694176d3-c66a-4017-8e1b-83ebb85ea0df/download7efb16e9182bf20a13d734290a2bc4beMD55TEXT24302.pdf.txt24302.pdf.txtExtracted texttext/plain40185https://repositorio.uniandes.edu.co/bitstreams/d2c7ce46-12a4-4a91-b743-5773e244fccf/download841f179fa28bf3b5078437320e9260ceMD541992/53350oai:repositorio.uniandes.edu.co:1992/533502024-03-13 14:57:49.342https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |
| dc.title.spa.fl_str_mv |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| title |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| spellingShingle |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo Aprendizaje automático (Inteligencia artificial) Líneas aéreas Ingeniería |
| title_short |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| title_full |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| title_fullStr |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| title_full_unstemmed |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| title_sort |
Aprendizaje Automático en la estimación de pasajeros en una aerolínea de bajo costo |
| dc.creator.fl_str_mv |
Cruz Gil, Juan David |
| dc.contributor.advisor.none.fl_str_mv |
Álvarez Martínez, David |
| dc.contributor.author.none.fl_str_mv |
Cruz Gil, Juan David |
| dc.contributor.jury.none.fl_str_mv |
Gómez Castro, Camilo Hernando Quiroga Gómez, Edwin Camilo |
| dc.subject.armarc.none.fl_str_mv |
Aprendizaje automático (Inteligencia artificial) Líneas aéreas |
| topic |
Aprendizaje automático (Inteligencia artificial) Líneas aéreas Ingeniería |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
Las aerolíneas sobrevenden sus vuelos rutinariamente basadas en el supuesto de que una porción de los pasajeros con un tiquete no van a abordar su vuelo o cancelaran previamente. Se tiende a usar modelos de forecast convencionales para estimar la probabilidad de que un pasajero (con unas características únicas del mismo) llegue o no a su vuelo. En este trabajo se propone una metodología que estime la cantidad de personas que no asisten a un vuelo, teniendo en cuenta las características propias del vuelo y no del pasajero a través de modelos de aprendizaje automático. A través de este modelo, se genera una herramienta de fácil uso que permite tener un estimativo del número real de no-show en un vuelo, ya sea para un uso por el área operacional o de revenue de una aerolínea. Se usa como caso de estudio una aerolínea de bajo costo situada en Colombia. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-11-03T16:19:23Z |
| dc.date.available.none.fl_str_mv |
2021-11-03T16:19:23Z |
| dc.date.issued.none.fl_str_mv |
2021 |
| 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/1992/53350 |
| dc.identifier.pdf.none.fl_str_mv |
24302.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/1992/53350 |
| identifier_str_mv |
24302.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 |
27 páginas |
| 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 Ingeniería Industrial |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.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/a5644429-d36d-4f89-bbe3-bc5727a99bab/download https://repositorio.uniandes.edu.co/bitstreams/694176d3-c66a-4017-8e1b-83ebb85ea0df/download https://repositorio.uniandes.edu.co/bitstreams/d2c7ce46-12a4-4a91-b743-5773e244fccf/download |
| bitstream.checksum.fl_str_mv |
fb346b05070037fca237752270641caa 7efb16e9182bf20a13d734290a2bc4be 841f179fa28bf3b5078437320e9260ce |
| 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_ |
1812134014577803264 |