Análisis logístico de los puntos de carga y descarga de una compañía de transporte de la ciudad de Guayaquil utilizando las cadenas de Márkov con Python

• Yturralde Villagómez, Juan Carlos ^[1] ; Padilla Gómez, Renzo Rogelio ^[1]
  1. [1] Universidad de Guayaquil

     Universidad de Guayaquil

     Guayaquil, Ecuador

     
• Localización: Dominio de las Ciencias, ISSN-e 2477-8818, Vol. 8, Nº. Extra 3, 2022 (Ejemplar dedicado a: Agosto Especial 2022), págs. 292-321
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• 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 análisis 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 problemáticas 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 análisis 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 geográficos utilizando Python, la exploración de los datos, la construcción de la matriz de transición de probabilidades, la verificación de la distribución estacionaria y por último el análisis de los resultados.  El resultado del análisis 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 análisis 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.