propuesta para la reducción de las mermas logísticas en el
TRANSCRIPT
Universidad de La Salle Universidad de La Salle
Ciencia Unisalle Ciencia Unisalle
Ingeniería Industrial Facultad de Ingeniería
1-1-2019
Propuesta para la reducción de las mermas logísticas en el Propuesta para la reducción de las mermas logísticas en el
cumplimiento de la operación del Aeropuerto El Dorado cumplimiento de la operación del Aeropuerto El Dorado
empleando modelamiento matemático empleando modelamiento matemático
Angie Carolina Díaz Mora Universidad de La Salle, Bogotá
María Alejandra García González Universidad de La Salle, Bogotá
Follow this and additional works at: https://ciencia.lasalle.edu.co/ing_industrial
Citación recomendada Citación recomendada Díaz Mora, A. C., & García González, M. A. (2019). Propuesta para la reducción de las mermas logísticas en el cumplimiento de la operación del Aeropuerto El Dorado empleando modelamiento matemático. Retrieved from https://ciencia.lasalle.edu.co/ing_industrial/99
This Trabajo de grado - Pregrado is brought to you for free and open access by the Facultad de Ingeniería at Ciencia Unisalle. It has been accepted for inclusion in Ingeniería Industrial by an authorized administrator of Ciencia Unisalle. For more information, please contact [email protected].
1
PROPUESTA PARA LA REDUCCIÓN DE LAS MERMAS LOGÍSTICAS EN EL
CUMPLIMIENTO DE LA OPERACIÓN DEL AEROPUERTO EL DORADO
EMPLEANDO MODELAMIENTO MATEMÁTICO
AUTORAS
ANGIE CAROLINA DÍAZ MORA
MARÍA ALEJANDRA GARCÍA GONZÁLEZ
UNIVERSIDAD DE LA SALLE
FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERÍA INDUTRIAL
BOGOTA D.C.
2019
2
PROPUESTA PARA LA REDUCCIÓN DE LAS MERMAS LOGÍSTICAS EN EL
CUMPLIMIENTO DE LA OPERACIÓN DEL AEROPUERTO EL DORADO
EMPLEANDO MODELAMIENTO MATEMÁTICO
Proyecto de Grado como prerrequisito para optar al título de
Ingeniera Industrial de la Universidad de La Salle
AUTORAS
ANGIE CAROLINA DÍAZ MORA
MARÍA ALEJANDRA GARCÍA GONZÁLEZ
DIRECTOR
M-Sc. Ing. ÓSCAR MAYORGA TORRES
UNIVERSIDAD DE LA SALLE
FACULTAD DE INGENIERIA
PROGRAMA DE INGENIERÍA INDUTRIAL
BOGOTA D.C.
2019
3
NOTA DE ACEPTACIÓN
________________________________________
________________________________________
________________________________________
________________________________________
________________________________________
________________________________________
________________________________________
________________________________________
Firma del Jurado
________________________________________
Firma del Jurado
________________________________________
Firma del director
Bogotá, D.C. Febrero de 2019
4
AGRADECIMIENTOS
Inicialmente quisiéremos agradecer a la Universidad de La Salle, por disponer de las
instalaciones y los docentes para el correcto desarrollo tanto del presente proyecto como el
de nuestra vida profesional.
A todo el equipo de docentes y trabajadores del programa de Ingeniería Industrial de la
Universidad de La Salle por todo el tiempo, dedicación y conocimientos que nos aportaron a
lo largo de estos años.
A nuestros familiares por el apoyo brindado a lo largo de estos años, ya que, no sería posible
el hecho de poder aspirar a ser un profesional.
Quisiéremos agradecer especialmente al Ingeniero Oscar Mayorga Torres por el
acompañamiento que hizo a lo largo de este proyecto y al Doctor Oscar Díaz de la
Universidad Santo Tomás por los consejos e información brindada, ya que, sin ellos, el
correcto desarrollo del presente documento hubiera sido imposible.
Finalmente agradecemos a nuestros compañeros de estudio y amigos que hicieron posible
que nuestra estancia en la Universidad de la Salle fuera la más agradable posible, no sin
olvidar que, gracias al apoyo de ellos, hemos logrado culminar esta etapa de nuestras vidas.
Los autores
5
DEDICATORIA
Son varias las personas que han contribuido al proceso de este proyecto. En primer lugar,
quiero dar gracias Dios por darme vida y salud, agradecerles a mis padres por brindarme ese
amor incondicional e impulsar y apoyar mis sueños, a mi hermana por su constante
motivación y concejo dado.
Igualmente quiero agradecer a mi amiga y compañera de proyecto, por el acompañamiento
en las horas largas de estudio, ser mi mano derecha a lo largo del desarrollo de este proyecto
y los buenos momentos que convivimos juntas.
Angie Carolina
6
DEDICATORIA
Este proyecto de grado culmina una de las etapas más significativas en mi vida, por esta razón
lo dedico a:
Mi familia por la educación, valores y experiencias que me formaron como persona, y en
especial a mi mamá y hermana quienes son mi base y mi motor para cada paso en el camino,
quienes sin pensarlo dos veces me brinda su apoyo y confianza incansablemente.
Mi amiga y compañera de proyecto porque hemos compartido situaciones y momentos
únicos juntas, donde hemos aprendido tanto intelectual como personalmente, gracias por el
tiempo, esfuerzo y paciencia brindado en esta etapa, le deseo lo mejor siempre.
María Alejandra
7
TABLA DE CONTENIDO
Pág.
RESUMEN ........................................................................................................................... 13
ABSTRACT ......................................................................................................................... 14
INTRODUCCIÓN ............................................................................................................... 15
CAPÍTULO I: GENERALIDADES DEL PROYECTO ..................................................... 16
1.2. Planeamiento/identificación del proyecto (Descripción del Problema) .......... 16
1.3. Formulación del Problema ................................................................................. 17
1.4. Justificación del Problema .................................................................................. 17
1.5. Objetivos ............................................................................................................... 18
1.5.1. General ........................................................................................................... 18
1.5.2. Específicos ..................................................................................................... 18
1.6. Delimitación ......................................................................................................... 18
1.7. Metodología seguida durante el proyecto ......................................................... 19
CAPÍTULO II: MARCO REFERENCIAL ......................................................................... 23
2.1. Marco Teórico ............................................................................................................. 23
2.1.1 Generalidades del transporte aéreo en el mundo......................................................... 23
2.1.2. Generalidades del transporte aéreo en Colombia ....................................................... 24
2.2. Marco Conceptual ....................................................................................................... 25
2.2.1 Logística ......................................................................................................... 26
2.2.2 Aeropuerto el Dorado ..................................................................................... 26
2.2.3 Modelo matemático ........................................................................................ 27
2.2.4 KPI’s .............................................................................................................. 28
2.2.5 Mermas logísticas........................................................................................................ 28
2.2.6 Cadenas de Márkov ..................................................................................................... 29
2.3. Marco Legal ................................................................................................................. 29
2.4. Antecedentes ................................................................................................................ 31
CAPÍTULO III: DESARROLLO DEL PROYECTO Y RESULTADOS ........................... 34
3.1. Caracterización y diagnóstico del estado actual ....................................................... 34
3.1.1 Análisis y limpieza de la base de datos ....................................................................... 34
3.1.2 KPI’s ........................................................................................................................... 37
3.1.3 Procedimiento de despegue ......................................................................................... 38
3.2. Desarrollo y formulación del modelo matemático ................................................... 39
3.2.1 Prueba de aleatoriedad de los datos ............................................................................ 40
3.2.2 Cadenas de Márkov ..................................................................................................... 41
3.2.3 Formulación del modelo matemático .......................................................................... 46
3.2.4 Resultados del modelo ................................................................................................ 48
3.3. Validación y escenarios ............................................................................................... 49
8
3.3.2 Validación modelo ...................................................................................................... 49
3.3.3 Descripción de escenarios ........................................................................................... 50
CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES ....................................... 63
4.1. Conclusiones ................................................................................................................ 63
4.2. Recomendaciones ........................................................................................................ 65
BIBLIOGRAFÍA ................................................................................................................. 66
ANEXOS ............................................................................................................................. 70
9
LISTA DE TABLAS
Pág.
Tabla 1 Tabla Resumen Estado del Arte, casos de estudio de Logística Aeroportuaria. ..... 31
Tabla 2 Estudios en el Aeropuerto el Dorado y aeropuertos de Colombia. ......................... 32
Tabla 3 Vuelos al mes .......................................................................................................... 35
Tabla 4 KPI´s del estado real ............................................................................................... 38
Tabla 5 Procedimiento de despegue con sus respectivas causas de incumplimiento .......... 38
Tabla 6 Datos semanales de vuelos (programados y no planeados) .................................... 40
Tabla 7 Resultados prueba de aleatoriedad .......................................................................... 40
Tabla 8 Estados de la cadena de Márkov ............................................................................. 41
Tabla 9 Sub-matriz de probabilidad N ................................................................................. 42
Tabla 10 Matriz de resultado (I-N) ...................................................................................... 43
Tabla 11 Matriz inversa de (I-N) ......................................................................................... 43
Tabla 12 Matriz de probabilidad de absorción de los estados absorbentes .......................... 44
Tabla 13 Número de pasos de Markov ................................................................................ 44
Tabla 14 cantidad de vuelos en los estados absorbentes desde el estado 1.......................... 46
Tabla 15 Resultado general del modelo ............................................................................... 48
Tabla 16 Resultados específicos del modelo ....................................................................... 48
Tabla 17 Información del modelo y el estado real ............................................................... 49
Tabla 18 Información mensual del modelo y el estado real................................................. 49
Tabla 19 Grupos con probabilidades de ocurrencia ............................................................. 50
Tabla 20 Descripción de los escenarios ............................................................................... 50
Tabla 21 Probabilidades del escenario 1 (reducción) .......................................................... 51
Tabla 22 Resultados escenario 1 .......................................................................................... 52
Tabla 23 Probabilidades del escenario 2 (reducción) .......................................................... 53
Tabla 24 Resultados escenario 2 .......................................................................................... 54
Tabla 25 Probabilidades del escenario 3 (reducción) .......................................................... 55
Tabla 26 Resultados escenario 3 .......................................................................................... 56
Tabla 27 Probabilidades del escenario 4 (reducción) .......................................................... 58
Tabla 28 Resultado escenario 4............................................................................................ 58
Tabla 29 Resultados escenario 5 .......................................................................................... 60
Tabla 30 Porcentaje de diferencia entre cada escenario (con 5,47%) y el estado real ......... 61
10
LISTA DE FIGURAS
Pág.
Figura 1 Problemas de mayor constancia en el aeropuerto. ................................................. 17
Figura 2 Ubicación del aeropuerto A.e.D ............................................................................ 19
Figura 3 Estructura del planteamiento del proyecto. ........................................................... 20
Figura 4 Fases, objetivos y actividades del proyecto ........................................................... 21
Figura 5 Aeropuertos con mayor tráfico de personas .......................................................... 24
Figura 6 Inversión en aeropuertos de Colombia .................................................................. 25
Figura 7 Porcentajes de motivos por compensaciones y otros pagos .................................. 25
Figura 8 Sistema logístico empresarial ................................................................................ 26
Figura 9 Distribución del A.e.D. .......................................................................................... 27
Figura 10 Modelos matemáticos de investigación de operaciones ...................................... 28
Figura 11 Representación gráfica y matricial de una cadena de Márkov. ........................... 29
Figura 12 Esquema de cadenas de Márkov .......................................................................... 42
11
LISTA DE GRAFICOS
Pág.
Gráfico 1 Estado mensual de los vuelos .............................................................................. 35
Gráfico 2 Estados de los vuelos (semestre) ......................................................................... 36
Gráfico 3 Número de vuelos por causas de incumplimiento ............................................... 36
Gráfico 4 Causas y probabilidades de incumplimiento........................................................ 37
Gráfico 5 Mermas escenario 1 ............................................................................................. 52
Gráfico 6 Vuelos cumplidos escenario 1 ............................................................................. 53
Gráfico 7 Mermas escenario 2 ............................................................................................. 54
Gráfico 8 Vuelos cumplidos escenario 2 ............................................................................. 55
Gráfico 9 Mermas escenario 3 ............................................................................................. 56
Gráfico 10 Vuelos cumplidos escenario 3 ........................................................................... 57
Gráfico 11 Mermas escenario 4 ........................................................................................... 58
Gráfico 12 Vuelos cumplidos escenario 4 ........................................................................... 59
Gráfico 13 Vuelos cumplidos escenario 5 ........................................................................... 60
Gráfico 14 Vuelos no planeados del escenario 5 ................................................................. 61
Gráfico 15 Vuelos al estado no planeado desde los estados transitorios ............................. 64
12
LISTA DE ANEXOS
Pág.
Anexo A Códigos de demora de causas de incumplimiento de Itinerario ........................... 70
Anexo B Código de causa IATA con cantidad de vuelos .................................................... 75
Anexo C Descripción del procedimiento de despegue con causas de incumplimiento IATA
.............................................................................................................................................. 76
Anexo D Matriz de transición de la cadena de Márkov modelo original ............................ 77
Anexo E Matriz de transición del escenario 1 ..................................................................... 77
Anexo F Matriz de transición del escenario 2 ...................................................................... 77
Anexo G Matriz de transición del escenario 3 ..................................................................... 77
Anexo H Matriz de transición del escenario 4 ..................................................................... 78
Anexo I Matriz de transición del escenario 5....................................................................... 78
13
RESUMEN
El presente proyecto propone el modelado de las mermas logísticas en la operación
aeroportuaria de vuelos nacionales con origen en la ciudad de Bogotá, empleando
modelamiento matemático, buscando incrementar el cumplimiento de la operación aérea y
por ende mejorar la promesa de servicio en el escenario de estudio objeto de la investigación
del Aeropuerto El Dorado de Bogotá (A.e.D.), teniendo en cuenta que en la actualidad los
aeropuertos son de uso cotidiano y disponible para una amplia cantidad de población, además
tiene un gran porcentaje de utilización comparado con los demás aeropuertos del país, lo cual
exige tener para la entidad una alta promesa de servicio, haciendo referencia a la atención de
los usuarios, cumplimiento de los vuelos, la infraestructura, entre otros requerimientos que
hacen parte de la logística, donde se evalúa toda la cadena de servicio como lo es, la
planificación de tareas y gestión de recursos dentro del aeropuerto.
Por lo cual se llevará a cabo la conceptualización de los referentes y antecedentes,
posteriormente se realiza la caracterización y diagnóstico del estado actual del aeropuerto
con el uso de herramientas estadísticas y de ingeniería, seguidamente se realizará el diseño
del modelo con la formulación, variables, restricciones y funciones necesarias para
posteriormente diseñar los KPI’s de las variables propuestas y finalmente realizar la
validación del modelo y la comparación por medio de técnicas de análisis comparativo y
herramientas computacionales.
Con lo anterior, se busca lograr un conocimiento del sistema aeroportuario y diagnosticar el
estado actual, plasmado en un modelo matemático que facilite la comprensión y tratamiento
de los datos, buscando obtener resultados puntuales y confiables; adicionalmente a esto se
debe tener en cuenta que existen varios modelos matemáticos para aplicar, de ahí parte la
importancia de reconocer el comportamiento de los datos a tratar, en el caso del sistema
aeroportuario, se dice que los datos tienen un efecto látigo debido a su enlace de eventos, es
decir, que depende solo del estado anterior, por lo tanto los eventos futuros están
condicionados únicamente por el estado actual. Finalmente se proponen escenarios de mejora
teniendo en cuenta las mermas identificadas en el sistema aeroportuario lo que mejora la
promesa de servicio y de la operación.
Palabras clave: Sistema aeroportuario, mermas logísticas, KPI’s, GAP’s
14
ABSTRACT
The present project proposes the modeling of logistics losses in the airport operation of
national flights originating in the city of Bogotá, using mathematical modeling, seeking to
increase the compliance of the air operation and therefore improve the service promise in the
study scenario object of the investigation of the El Dorado Airport of Bogotá (A. e. D), taking
into account that at present the airports are of daily use and available for a large amount of
population, also has a large percentage of use compared to other airports in the country ,
which requires having a high promise of service for the entity, referring to the attention of
users, flight compliance, infrastructure, among other requirements that are part of the
logistics, where the entire service chain is evaluated as it is, task planning and resource
management within the airport.
Therefore, the conceptualization of the references and antecedents will be carried out, then
the characterization and diagnosis of the current state of the airport will be carried out with
the use of statistical and engineering tools, followed by the design of the model with the
formulation, variables, Restrictions and functions necessary to later design the KPIs of the
proposed variables and finally perform the validation of the model and comparison by means
of comparative analysis techniques and computational tools.
With the above, we seek to achieve an understanding of the airport system and diagnose the
current state, embodied in a mathematical model that facilitates the understanding and
treatment of data, seeking timely and reliable results; In addition to this it must be taken into
account that there are several mathematical models to apply, hence the importance of
recognizing the behavior of the data to be treated, in the case of the airport system, it is said
that the data has a whip effect due to its link of events, that is, that depends only on the
previous state, therefore future events are conditioned only by the current state. Finally,
improvement scenarios are proposed taking into account the losses identified in the airport
system, which improves the promise of service and operation.
KEYWORDS: Airport system, logistical losses, KPI’s, GAP’s
15
INTRODUCCIÓN
El Aeropuerto Internacional El Dorado Luis Carlos Galán (A. e. D.) es la principal terminal
de transporte aéreo del país contando con un alto nivel de operaciones (carga y pasajeros),
en los tres primeros trimestres del año 2017 reportaron 11.821.480 vuelos y 12.270.600 para
en el año en curso, lo que refleja un aumento del 3.8% de las operaciones aéreas (Aerocivil,
2018), dado esto, el aeropuerto A.e.D brinda un servicio de gran importancia, siendo el
primer aeropuerto de Latinoamérica en volumen de carga y el tercer aeropuerto más
importante de América Latina en volumen de pasajeros, de aquí parte la importancia del
cumplimiento de los vuelos y mantener una alta promesa de servicio para el mismo.
En el presente proyecto se realiza un estudio del estado actual del sistema aeroportuario,
posteriormente se analiza desde el punto de vista de cadenas de Márkov y se desarrolla la
formulación de un modelo de programación lineal entera y finalmente se proponen escenarios
de mejora basados en las causas controlables con mayor influencia en el sistema aportando a
la mejora de la promesa de servicio y la disminución de los vuelos demorados y cancelados.
El proyecto está dividido en cuatro partes: en el capítulo I, se presenta la descripción,
caracterización, formulación y justificación del problema, los objetivos y la metodología de
la investigación. En el capítulo II, se podrán conocer el marco teórico, conceptual, legal y
antecedente dando una idea específica y teoría de lo que centra el proyecto. En el capítulo
III, se encuentra el desarrollo de la investigación donde se desglosan las diferentes etapas del
proyecto (caracterización y diagnóstico del estado actual, desarrollo y formulación del
modelo matemático, validación y escenarios). Finalmente está el capítulo IV, donde se
presentan las conclusiones y recomendaciones que se obtuvieron en el transcurso del
proyecto.
16
CAPÍTULO I: GENERALIDADES DEL PROYECTO
El presente capitulo tiene muestra el origen y las bases del proyecto, se parte del problema
identificado dentro del caso de estudio y de este se plantea el objetivo general y los
específicos para posteriormente plantear como se pretende desarrollar y que metas se quieren
lograr.
El A.e.D. presenta una alta demanda dentro del mercado, para este caso vuelos con destinos
nacionales de origen en Bogotá, de esto parte la importancia del cumplimiento de la promesa
de servicio, por esta razón lo ideal es buscar que se presenten las mínimas demoras para
dichos vuelos, no solo aumentando la promesa de servicio sino evitando gastos adicionales a
los respectivos actores.
1.2. Planeamiento/identificación del proyecto (Descripción del Problema)
En el caso de estudio del A.e.D. se presentan deficiencias en la infraestructura, provenientes
de las posiciones de parqueo, la falta de recursos para la inversión por los costos altos y la
disponibilidad de las pistas. Por otro lado, la falta de equipos y tecnología, ya que la
iluminación de las pistas es insuficiente y la falta de equipos para desvare de aeronaves
provocan demoras, otro factor externo son los diferentes cambios climáticos (incontrolables),
desde otro punto de vista, la mano de obra siendo de los agentes más costosos donde se
evidencia la falta de tripulación y la cantidad baja de pilotos con licencia activa, y finalmente
la programación de las pistas con las restricciones horarias de funcionamiento y la
reprogramación de vuelos. (El tiempo, 2016).
Los anteriores factores generar el problema de la perdida de promesa de servicio en la
operación de tráfico aéreo generando consecuencias como lo son las demoras, cancelación
y anticipación de vuelos programados, adicionalmente genera altos costos logísticos y una
baja calificación de las autoridades evaluadoras a nivel mundial; el artículo de la crisis en los
aeropuertos publicado por el espectador se evidencia una concentración porcentual alta en
los vuelos demorados con un 38%, los vuelos cancelados con 28% y una denegación de
embarque del 18% por motivos de compensaciones y pagos a los usuarios. (El espectador,
2016).
Partiendo de la información obtenida de la revisión bibliográfica y conociendo que el A. e.
D. es el segundo aeropuerto al que se le han realizado inversiones con un total de 140.748
17
millones de pesos según el espectador para los diferentes cambios, reestructuraciones e
innovaciones que lo han llevado a tener un mejor sistema (El espectador, 2016), la imagen
de promesa de servicio para los usuarios se ha perdido, lo cual nos lleva a pensar en una
oportunidad de mejora a abordar en este caso de estudio ya sea referente a las personas,
maquinas, entorno, material, métodos y medidas que interactúan en el sistema aeroportuario
como se observa en la Figura 1.
Figura 1 Problemas de mayor constancia en el aeropuerto.
Fuente: Elaboración propia, 2017.
1.3. Formulación del Problema
El A. e. D. es el principal aeropuerto de Colombia y presta un servicio primordial en la ciudad
de Bogotá que ninguna otra entidad puede suplir, de aquí la importancia de que se mantenga
una alta promesa de servicio y un cumplimiento de operaciones al mínimo de mermas, pero
como se sabe cada sistema tiene algún/os déficits, para lo cual se plantea el siguiente
interrogante: ¿cómo las mermas logísticas afectan la promesa de servicio en la operación
aeroportuaria?, Conllevando su respuesta al planteamiento de mejoras dentro del sistema.
1.4. Justificación del Problema
Los motivos por lo que se llevará a cabo la investigación de las mermas logísticas de la
operación aeroportuaria en el proceso de despegue para vuelos con destinos nacionales como
estudio de caso A.e.D. se centra en mejorar la promesa de servicio teniendo en cuenta el
incremento del uso de este medio de transporte ya que el A.e.D. concentra el 50 % de la
operación aeroportuaria (El espectador, 2016), en los diferentes factores que lo pueden
afectar considerando los estándares internacionales y los diferentes problemas que se han
presentado; cabe también destacar que es tercer aeropuerto más importante de américa latina
después del aeropuerto internacional de México y el aeropuerto internacional de Sao Paulo,
18
además de ellos su ubicación que es la parte media del continente americano, facilita la
comunicación con otros continentes.
Actualmente entidades internacionales han evaluado el servicio y calidad del aeropuerto a
través de encuestas realizadas a clientes, teniendo como resultado buenas opiniones en cuanto
a operación, limpieza, áreas, tiempo de atención y entre otros, sin embargo, considerando
que actualmente se le han realizado cambios para mejorar la operación del aeropuerto A.e.D,
los usuarios siguen experimentando demoras en el transcurso del proceso de despegue.
Se quiere abordar la investigación con técnicas de Ingeniería Industrial para el modelado de
los datos, facilitando el análisis y la validación de estos. La importancia de abordar este
problema con modelamiento matemático y el uso de formulismos de esta técnica para
expresar las relaciones, variables, parámetros y entidades de este, conllevará al estudio
conocer comportamientos para analizar el sistema y llegar a la toma de decisiones del mundo
real.
1.5. Objetivos
1.5.1. General
Proponer la reducción de las mermas logísticas en la operación aeroportuaria frente al
cumplimiento de vuelos nacionales con origen en la ciudad de Bogotá empleando
modelamiento matemático buscando incrementar la promesa de servicio: estudio de caso
A.e.D.
1.5.2. Específicos
Diagnosticar el estado actual de la operación logística aeroportuaria empleando
herramientas de ingeniería, reconociendo la operación de mayor incidencia y se
establezcan las relaciones sistémicas.
Proponer el modelo matemático de las mermas logísticas en la operación aeroportuaria
definida, identificando los GAP’s entre la operación real y la teórica desde el diseño,
análisis de variables, restricciones y funciones hasta la solución del modelo y la
evaluación de los KPI’s
Validar el modelo propuesto a través de experimentación computacional realizando
una comparación de GAP’s (teóricos y reales).
1.6. Delimitación
a. Temática: En el planteamiento y desarrollo del problema se aplicarán conocimientos,
herramientas y técnicas relacionadas con la Ingeniería Industrial abordadas en los espacios
académicos como: logística, investigación de operaciones, gestión de proyectos, costos y
19
presupuestos, indicadores de gestión, y de apoyo para la investigación.
b. Espacial: El proyecto se pretende desarrollar en el Aeropuerto el Dorado de Bogotá D, C.
ubicada a unos 12 kilómetros al occidente del centro internacional de Bogotá (ver Figura
2 Figura 2 Ubicación del aeropuerto A.e.D) con el fin de recolectar información
para proponer el Modelado de las Mermas Logísticas en la Operación Aeroportuaria en el
área de abordaje Empleando Modelamiento Matemático.
Figura 2 Ubicación del aeropuerto A.e.D
Fuente: (Maps, 2017)
c. Temporal: En relación con el presente proyecto se consideran ocho meses de ejecución y
un mes de holgura para ajustes y correcciones de la metodología, teniendo en cuenta que
la ejecución del proyecto inició en el mes de noviembre (2017) y termina
aproximadamente en el mes de octubre del presente año, en caso de haber holgura el
proyecto termina en noviembre del presente año.
1.7. Metodología seguida durante el proyecto
El proyecto parte de un macroproyecto denominado “Estudio de la Gestión Logística
Aeroportuaria en Colombia distribuido en subproyectos o subtemas: Eficiencia y desempeño,
tráfico y optimización, carga logística, logística inversa y mermas logísticas, la Figura 3
muestra la estructura del planteamiento del proyecto.
20
Figura 3 Estructura del planteamiento del proyecto.
Fuente: Elaboración propia, 2017
La metodología que se desarrollará de acuerdo con el estudio corresponde a una investigación
de tipo exploratorio-propositiva de carácter mixto (cualitativo y cuantitativo). Para el
desarrollo del estudio se han definido cuatro etapas como lo muestra la Figura 4, de acuerdo
con los objetivos planteados.
Eficiencia y
DesempeñoCarga Logística
Tráfico y
Optimización
Estudio de la Gestión Logística Aeroportuaria en Colombia
Mermas
Logísticas
Logística
Inversa
•Aeronáutica Civil
•OPAIN
•Ministerio de Transporte
•IATA
•Otras
•Análisis Estadístico
•Moldeamiento Matemático (Heurístico /
Metaheurístico)
•Modelos de Gestión Logística
•Modelos de Optimización
•Simulación (Discreta / Continua)
•Métodos Exactos
•Técnicas de análisis simplificado
Actores
Subtemas
Problema
Técnicas
21
Figura 4 Fases, objetivos y actividades del proyecto
Fuente: Elaboración propia, 2017
Etapa I Conceptualización-Contextualización: Elaboración del estado del arte
(Revisión bibliográfica) sobre los avances y aplicaciones de modelos, estrategias,
técnicas y herramientas en cuanto Logística Aérea en el contexto micro (Bogotá), meso
(Colombia). macro (Latinoamérica) y meta (mundo). Se identificarán las aplicaciones
contemporáneas presentadas en la literatura para posteriormente aplicar técnicas de
gestión de tecnología, bibliometría e inventario documental.
Etapa II Caracterización y Diagnóstico: En esta se da cumplimiento al primer objetivo
específico del estudio, en la cual se desarrollará el diseño metodológico, instrumentos
de recolección de información, herramientas exploratorias y documentales, entre otras.
También se hace el proyecto de campo, donde se compila la base de datos para
posteriormente aplicar técnicas estadísticas de análisis de información de entrada.
Etapa III Modelamiento: Se realiza la formulación y desarrollo del modelo matemático
propuesto mediante la aplicación de técnicas de ingeniería, análisis estadístico,
moldeamiento matemático (heurístico y metaheurística), simulación (discreta y
continua), Modelos de gestión logística y/o modelos de optimización.
Etapa IV Validación: Se evalúa el desempeño y eficiencia del modelo propuesto
Autores
A.1 Diseño de la base de referencias e inventario del estado del
arte y las herramientas de análisis de la información
A.2 Busqueda y recolección de la información del escenario
objeto de estudio
A.3 Consolidación de la información del escenario objeto de
estudio
A.4 Análisis y verificación de la información de entrada
O.1.A.1. Obtención de la informacion del estado actual del
escenario de estudio
O.1.A.2. Análisis de la información del estado actual
O.1.A.3. Aplicación de herramientas estadísticas para
comparación de variables, contrastación de datos.
O.1.A.4. Conceptualización de estado actual del escenario
objeto de estudio.
O.2.A.1. Análisis de variables, restricciones, funciones.
O.2.A.2. Análisis de la estructura del modelo.
O.2.A.3. Desarrollo del modelo propuesto.
O.2.A.4. Diseño de los KPI's asociados a las variables
propuestas del modelo.
O.3.A.1. Implementación a través de una muestra de
intervención (muestra de control vs piloto) de los KPI´s
O.3.A.2. Comparación de GAP´s empleando técnicas de
análisis comparativo
O.3.A.3. Comparación de GAP´s a través de herramientas
computacionales
Fase No.3: Modelamiento.
Fase No.2: Caracterización y diagnóstico
Fase No.1: Conceptualización y contextualización
Inicio
Fase No.4: Validación.
O.3
O.1
Diagnosticar el estado actual de la operación logística
aeroportuaria empleando herramientas de ingeniería de tal
forma se establezcan las relaciones sistémicas.
Validar el modelo propuesto a través de herramientas de
ingeniería y computacionales.
Universidad
ACTIVIDADES
Director
Fin
O.2.
Proponer el modelo matemático de las mermas logísticas en
la operación aeroportuaria identificando los GAP’s entre la
operación real y la teórica.
Si
Inicio.
A.1
A.2
A.3
¿antecedentes
y referentes suficientes?
O.1.A.1
O.1.A.2
O.2.A.1
O.2.A.2
O.2.A.3
O.3.A.1
O.3.A.2
O.3.A.3
¿Se obtuvieron los resultados
esperados?
Fin.
No
Si
No
Si
O.1.A.4
¿El diagnóstico
del estado actual es el adecuado?
No
Si
O.2.A.4
22
mediante la aplicación técnicas de simulación, se evaluarán escenarios de eficiencia
extrema (baja y alta) en los modelos matemáticos, para la validación de los modelos de
gestión se hará a través de indicadores de gestión y pruebas de réplica en el escenario
objeto de la investigación.
23
CAPÍTULO II: MARCO REFERENCIAL
En este capítulo se podrán apreciar diferentes conceptos y temas seleccionados para ser base
en el proyecto, también se tuvieron en cuenta aspectos legales que rigen el funcionamiento
de la empresa y por último se presentan algunos trabajos y proyectos que trataron el tema
con anterioridad.
2.1. Marco Teórico
2.1.1 Generalidades del transporte aéreo en el mundo
El transporte aéreo está definido por el traslado de personas y/u objetos, efectuado de un
origen a un destino por medio de aeronaves, este transporte se puede realizar dentro del
territorio nacional o con convenios internacionales. (Aeronautica Civil de Colombia, 2017)
El transporte aéreo a nivel mundial ha presentado un aumento del 7.6%, informado por la
asociación de transporte aéreo internacional (IATA) este aumento esta comparado desde
febrero del año 2017 al mes de febrero del año presente. (Ultima hora, 2018)
En Europa las aerolíneas tuvieron un incremento de la demanda en 6.8% y un aumento de la
capacidad del 5%, en américa latina, las compañías registraron un aumento de la demanda
en un 9.8% y 8.9% en su capacidad, en norte américa la demanda creció en un 7.2% y la
capacidad en un 4.6% y en oriente medio un aumento de la demanda del 3.4% y en su
capacidad un 3.9% , con esto se puede observar que los aeropuertos y aerolíneas del mundo,
han visto la necesidad de aumentar la capacidad para poder satisfacer esa creciente demanda
que se viene dando en los últimos años.
24
Figura 5 Aeropuertos con mayor tráfico de personas
Fuente: Elaboración propia, 2017
La Figura 5 muestra los porcentajes de los 10 primeros aeropuertos con más tráfico de
personas para el año 2017, el aeropuerto internacional hartsfield-jackson de Atlanta, es el
aeropuerto con mayor tráfico de personas en el mundo pues transitaron alrededor de 104
millones de personas en el 2017 ( Maureen O'Hare, CNN, 2018). Este aeropuerto sin embargo
también está catalogado como el más congestionado, esto se debe a que como se mencionó
anteriormente de los porcentajes de aumento de capacidad y demanda, en Norteamérica la
capacidad del transporte no aumento de manera similar a la demanda como si fue en el caso
de otros territorios.
2.1.2. Generalidades del transporte aéreo en Colombia
En Colombia las entidades encargadas de mantener los aeropuertos han tenido la disposición
de realizar inversiones para mejorar infraestructura y por ende un servicio de calidad y
aunque existen diferentes formas de tratar los problemas, han sido escasas las investigaciones
o estudios desarrollados en los aeropuertos con fines de mitigar la perdida de promesa en el
servicio usando herramientas de ingeniería, más aún modelos matemáticos.
Los mejoramientos de los aeropuertos traen consigo inversiones y costos en diferentes
factores (medio ambientales, financieros, servicio, entre otros), en un artículo del espectador
del año anterior muestra los valores de inversión en los aeropuertos de Colombia dentro del
cual resalta significativamente el aeropuerto de Leticia y el aeropuerto de Bogotá como se
muestra en la Figura 6. (El espectador, 2016)
13%
12%
11%
10%
10%
10%
9%
9%
8%
8%
Aeropuerto con Mayor Trafico de Personas
Aeropuerto Internacional Hartsfield-Jackson de
Atlanta (Georgia)Aeropuerto Internacional Beijing Capital (China)
Aeropuerto Internacional de Dubai (Emiratos
Árabes Unidos)Aeropuerto Internacional Haneda de Tokio (Japón)
Aeropuerto Internacional de Los Ángeles
(California)Aeropuerto Internacional Chicago's O'Hare (Illinois)
Aeropuerto London Heathrow (Gran Bretaña)
Aeropuerto Internacional de Hong Kong (China)
Aeropuerto Internacional Shanghái Pudong (China)
Aeropuerto de París-Charles de Gaulle (Francia)
25
Figura 6 Inversión en aeropuertos de Colombia
Fuente: Tomado de: (El espectador, 2016)
La Aeronáutica Civil aprobó un paquete de inversiones para el segundo semestre (2017) por
más de 160.000 millones de pesos, para ejecutar obras de construcción de nuevas terminales,
finalización de aeródromos, ampliación, mejoramiento de pistas y para torres de control en
varios aeropuertos del país. (El tiempo, 2017)
Considerada dichas inversiones, las aerolíneas en Colombia han tenido que invertir en
compensaciones y pagos al usuario por motivos que afectan la promesa de servicio en los
aeropuertos como ya se había mencionado anteriormente, esto está dado principalmente en
38% por que lo vuelos son demorados y un 28% por vuelos cancelados (ver Figura 7).
Figura 7 Porcentajes de motivos por compensaciones y otros pagos
Fuente: Tomado de: (El espectador, 2016)
2.2. Marco Conceptual
Es preciso conocer y definir los términos que estarán presentes dentro del desarrollo del
proyecto tanto para los integrantes del grupo como para que los lectores se familiaricen y
26
tengan claridad sobre ellos. A continuación, se presentan:
2.2.1 Logística
Se sabe que la logística es una función operativa que comprende todas las actividades y
procesos necesarios para la administración estratégica de flujo y almacenamiento de materias
primas y componentes como se puede observar en la Figura 8. De manera que estos estén en
la cantidad adecuada, en el lugar correcto y en el nombre apropiado. La logística está
comprendida por tres elementos, uno físico, y es el medio por la cual se va a prestar el servicio
o se va a enviar algún tipo de mercancía (Transporte, puertos, Aeropuertos, vías de acceso),
el siguiente elemento es el documental, está compuesto por contratos, cartas de crédito,
facturas, etc. Siendo esto de vital importancia ya que es el que determina el inicio y el fin de
la actividad y por último se encuentra el elemento de información tecnológica compuesta por
call centers, CRM`s, registros históricos, este está enfocado principalmente hacia el servicio
al cliente ya que de esta información tecnológica se recoge información para satisfacer las
necesidades del cliente. (Alberto, 2007).
Figura 8 Sistema logístico empresarial
Fuente: (Restrepo, 2011)
2.2.2 Aeropuerto el Dorado
El A.e.D. es el principal aeropuerto de Colombia, se encuentra ubicado al occidente de la
ciudad de Bogotá (ver Figura 9), cuenta con dos pistas y una de ellas tiene restricción horaria
nocturna, el aeropuerto es operado por dos grandes entidades, una de ellas es la aeronáutica
civil que es un departamento administrativo semi independiente del Ministerio de Transporte
cuyo objetivo es promover el desarrollo organizado de la aviación en Colombia, así como ser
la autoridad aeronáutica nacional. (Aeropuerto El Dorado / Aeronáutica Civil), la otra
entidad, OPAIN, es una empresa constituida con el objetivo único de administrar,
modernizar, desarrollar comercialmente, expandir, operar y mantener el Aeropuerto
Internacional El Dorado. (Aeropuerto El Dorado / OPAIN, 2017).
27
Figura 9 Distribución del A.e.D.
Fuente: (Aeropuertos del mundo, 2018)
Dentro del aeropuerto el sistema de transporte para carga y pasajeros se divide en cuatro tipos
de transporte los cuales se describen a continuación:
Adicional: Son vuelos extras para atender la alta demanda de pasajeros, esto sucede en
ciertas temporadas del año o cuando hay hechos relevantes en la zona.
Chárter: Son aquellos en los que se alquila un avión a una aerolínea con el fin de no
ceñirse a los horarios de las rutas comerciales, o el alquiler de un avión con el fin de
llevar un grupo de personas en exclusiva.
Regular: Son los vuelos que están sujeto a itinerario y horario prefijado.
Taxi Aéreo: Es una solución rentable y cómoda para vuelos de corta distancia en
aeronaves como helicópteros, aviones de hélice y jets ligeros.
2.2.3 Modelo matemático
El mundo real cuenta con un modelo, se buscan transformar la información de este mundo a
un modelo científico empleando el uso de formulismos matemáticos para expresar las
relaciones, variables, parámetros y entidades del mismo que conlleva al estudio del
comportamiento, conclusiones y predicciones del sistema para la toma de decisiones del
mundo real; considerando el objetivo del proyecto se determina que la disciplina para evaluar
el sistema, es investigación de operaciones el cual usa modelamiento matemático, estadística
y algoritmos con el fin de mejorar el funcionamiento del sistema evaluado, esta disciplina
tiene varios modelos matemáticos como se observa en la Figura 10, en el transcurso del
desarrollo del proyecto se llevara la definición del más adecuado según el comportamiento
del sistema.
28
Figura 10 Modelos matemáticos de investigación de operaciones
Fuente: Elaboración propia, 2017
2.2.4 KPI’s
También denominado Indicadores de Gestión, son métricas que permiten identificar el
rendimiento de una determinada acción o estrategia. Estas unidades de medida indica el nivel
de desempeño obtenido a base de los objetivos ya previamente establecidos. Los indicadores
deben ser sencillos, objetivos y de fácil manejo siempre ligados a la evaluación sistemática
y periódica. (Espinosa, 2016)
2.2.5 Mermas logísticas
Una merma es una pérdida o reducción de una cierta cantidad de mercancías o de la
actualización de un stock que provoca una oscilación, es decir, la diferencia entre los
contenidos o valores de los libros de inventario y la cantidad de productos o mercancía
actuales dentro de un establecimiento, bodega, negocio o empresa; las cuales pueden
conllevar a una pérdida financiera.
Las mermas pueden ser causantes de que una empresa sufra una reducción notable de sus
beneficios. No obstante, entre todos aquellos, podemos establecer que, desde el punto de vista
de los recursos humanos, los empleados que se identifiquen por ser desleales con la entidad
y que, a espaldas de sus jefes, actúen llevando a cabo acciones perjudiciales a ellos y/o a la
industria, aunque se observa que algunas compañías no evalúan su merma de la misma forma
o no contemplan un modelo de control. Por lo cual no tienen una medición de lo que esto
representa para las compañías, impidiendo hacer comparaciones y estimar un número que
indique cuál sería la media aceptable, dificultando saber si los resultados son óptimos o no.
(Mariano Bruzzi, 2017)
Existen dos tipos de mermas las conocidas y las desconocidas. Las conocidas representan
todas las pérdidas de las cuales se sabe el origen de las causas que las provocaron, lo que
permite tomar decisiones y acciones directas, obteniendo resultados de forma rápida,
disminuyendo y controlando su impacto, entre ella están las mermas naturales o vencimiento
y mermas operativas. Las mermas desconocidas representan todas las pérdidas a las que no
29
podemos atribuirle una causa, lo que provoca que se tengan que realizar investigaciones o
análisis de las posibles causas que seguramente, durante dicho análisis, se determinaran más
de una posible causa, llevando indefectiblemente a plantear acciones que cubran o remedien
la mayor cantidad de éstas, con la gran desventaja de no obtener resultados de forma rápida
al momento de medir la eficacia de las acciones elegidas, ya que no se trabaja sobre una
causa, si no sobre varias posibles causas, entre esta se encuentran las mermas administrativas
y mermas por robos o fraude.
2.2.6 Cadenas de Márkov
En las cadenas de Márkov el comportamiento y la evolución futura no depende más que del
estado actual del proceso el cual condiciona las posibilidades de los eventos futuros y no de
la evolución pasada. Unas sucesiones de elecciones forman una cadena de Márkov las cuales
pueden ser representadas de manera conveniente en una matriz denominada matriz de
transición (ver Figura 11), los elementos de estas representan las probabilidades del que un
estado cambie a otro. (García, P., Maheut, J., Garcia, P., & Maheut, J., 2011)
Figura 11 Representación gráfica y matricial de una cadena de Márkov.
Fuente: Elaboración propia, 2017 / (David Ray Anderson, Dennis J. Sweeney, Thomas A. Williams, 2004)
Cadenas de Márkov absorbentes: este tipo de cadenas son utilizadas para representar
procesos o sistemas que finalizan o por lo menos vuelve a comenzar, después de alcanzar
determinadas condiciones, es decir, una vez alcanzando es imposible dejarlo y el proceso se
detiene completamente, o se detiene para luego comenzar, por tanto una cadena de Márkov
es absorbente si tiene por lo menos un estado absorbente y es posible ir, desde cada estado
no absorbente hasta por lo menos un estado absorbente). (Chediak Pinzón Francisco Alfonso
y Vera Mendez Flaminio , 2005)
2.3. Marco Legal
Norma de aeronavegabilidad y operación aeronaves
La autoridad Aeronáutica podrá, de manera especial, permitir la operación de Aeronaves
dedicadas al Servicio Aéreo Comercial de Transporte Público No Regular que no tengan
instalados el sistema de Alerta de Trafico y Advertencia de Colisión (ACAS), Registrador
de Voces de cabina, mientras hayan radicado el proyecto de ingeniería para la instalación
y actualización del sistema. (CVR) (Unidad Administrativa Especial de Aeronáutica Civil,
30
2017)
Gestión del tránsito aéreo
Garantizar la afluencia segura y ordenada del tránsito aéreo nacional e internacional en
caso de interrupción de los servicios de tránsito aéreo y de los correspondientes servicios
de apoyo y, a que en tales circunstancias continúen disponibles las principales rutas aéreas
locales y mundiales de la red de transporte aéreo. (Unidad Administrativa Especial de
Aeronáutica Civil, 2015)
Reglamento del aire
La interceptación de aeronaves civiles se emprenderá como último recurso y se limitará a
determinar la identidad de la aeronave, a menos que sea necesario hacerla regresar a su
derrota planeada, dirigirla más allá de los límites del espacio aéreo nacional, guiarla fuera
de una zona prohibida, restringida o peligrosa, o darle instrucciones para que aterrice en
un aeródromo designado, al igual los explotadores, comandantes y tripulantes de
aeronaves civiles, se abstendrán de cualquier práctica u operación incompatible con los
propósitos de la aviación civil. (Unidad Administrativa Especial de Aeronáutica Civil,
2017)
Seguridad de aviación civil
La UAEAC (Unidad Administrativa Especial de Aeronáutica Civil) elaborará, ejecutará
y mantendrá el Programa nacional de seguridad de la aviación civil, por escrito, para
salvaguardar las operaciones de la aviación civil contra los actos de interferencia ilícita,
mediante normas, métodos y procedimientos que garanticen la seguridad, regularidad y
eficiencia de los vuelos. (Unidad Administrativa Especial de Aeronáutica Civil, 2017)
Facilitación del transporte aéreo
La UAEAC adoptará todas las medidas apropiadas para el despacho de las aeronaves que
llegan de otro Estado o salen hacia el mismo y, las aplicará de tal manera que se eviten
demoras innecesarias. Medidas similares serán adoptadas para el tráfico doméstico.
(Unidad Administrativa Especial de Aeronáutica Civil, 2015)
Licencias para pilotos y sus habilitaciones
Los postulantes a una licencia de piloto comercial en la categoría de avión, helicóptero,
aeronave de despegue vertical o dirigible, demostrarán que tienen la competencia de
hablar y comprender el idioma inglés utilizado en las comunicaciones radiotelefónicas de
acuerdo con la Escala de Competencia Lingüística.
El alumno piloto no puede operar una aeronave en vuelo solo ningún alumno piloto puede
pilotar una aeronave en vuelo solo de travesía (crucero), ni puede realizar un aterrizaje en
ningún punto, excepto el aeropuerto o aeródromo de despegue, a menos que el alumno
31
reúna los requisitos de esta sección. (Unidad Administrativa Especial de Aeronáutica
Civil, 2015)
2.4. Antecedentes
En la Tabla 1 se presenta algunas experiencias y casos de estudio de logística aeroportuaria:
Tabla 1 Tabla Resumen Estado del Arte, casos de estudio de Logística Aeroportuaria.
Autor Titulo Aplicación
(Mahboubi &
Kochenderfer)
Aprendizaje de
patrones de tráfico
en aeropuertos
pequeños para rutas
de vuelo (Mahboubi
& Kochenderfer,
2015)
Proponen un concepto para la prevención de colisiones de tráfico
aéreo en las proximidades de los aeropuertos con enfoque en las
aeronaves de aviación general. Se basan en el trabajo de
agrupación de trayectoria, donde identifican y agrupan los puntos
de inflexión. Este método funciona bien en los datos simulados,
pero debido a su dependencia de las tasas de rumbo ruidoso, tiene
dificultad con datos del mundo real. En el segundo enfoque utilizan
técnicas de inferencia bayesiana para aprender los parámetros del
modelo de patrón de tráfico, donde se investiga un modelo oculto
semi-Márkov con un proceso de Dirichlet jerárquica.
(Oussama
AOUN and
Abdellatif EL
AFIA)
Utilización del
proceso de decisión
de Márkov para
resolver el
problema de
asignación de
puerta estocástica.
(Oussama AOUN
and Abdellatif EL
AFIA, 2014)
Hacen uso del algoritmo original, basado en el proceso de decisión
de Márkov (MDP) para resolver el problema de asignación de
puertas (GAP) bajo incertidumbre; Incluyeron parámetros
estocásticos que dependen de probabilidades para expresar
fluctuaciones en las operaciones de vuelo. El uso de MDP para el
modelado, proporcionará a los controladores del aeropuerto, una
solución robusta para el GAP que toma en consideración los
posibles retrasos de vuelo.
(Xiaojie Lv
and
HongWang )
Análisis de alarma
de vuelos
demorados para un
aeropuerto, basado
en Márkov (Xiaojie
Lv and HongWang
, 2009)
Los autores realizan un pronóstico de la variación de la situación
de demora del vuelo entre las 9:00 y las 22:00 de acuerdo con el
estado de demora del vuelo presente de 7:00 a 9:00 en la hora del
día, para ello construyen un modelo optimizado sobre la base de la
teoría de Márkov, haciendo uso de la matriz de probabilidad de
transición de estado, en el cual analizan los datos del aeropuerto,
para calcular la probabilidad de los vuelos de salida en toda la
sección de tiempo de retardo.(la probabilidad de retraso de vuelos
la dividen en cinco niveles, para cada nivel hacen un pronóstico
con datos de un día escogidos desde el aeropuerto.)
(Artur
Kierzkowski*,
Tomasz
Kisiel)
Modelamiento del
flujo de pasajeros
en una terminal de
aeropuerto para
aumentar el nivel
de seguridad. (Artur
Kierzkowski*,
Tomasz Kisiel,
2015)
Recomiendan un enfoque sistémico para el modelado, que tenga en
cuenta el uso de la simulación por ordenador, considerando la
necesidad de tomar decisiones rápidas en el proceso de gestión del
flujo de pasajeros a través de la terminal, presentaron uno de los
modelos analíticos más simples: el modelo de Márkov; Sin
embargo, su aplicación está conectada con varias limitaciones. Los
autores también han presentado su propio modelo de simulación
original, que puede ser implementado en cualquier aeropuerto
debido a su universalidad y enfoque macroscópico.
32
(M. Ataharul
Islam, Rafiqul
Islam
Chowdhury. )
Un modelo de
Márkov de orden
superior para
analizar la
dependencia de las
covariables, (M.
Ataharul Islam,
Rafiqul Islam
Chowdhury. , 2005)
Propone un modelo que generaliza el procedimiento de estimación
de los modelos de Márkov para cualquier orden. Los modelos
propuestos y los procedimientos de inferencia son simples y la
dependencia covariable de las probabilidades de transición de
cualquier orden puede ser examinada sin hacer que el modelo
subyacente sea complejo. La aplicación del método propuesto
indica que los modelos de Márkov dependientes de covariables de
orden superior pueden emplearse convenientemente de una manera
muy útil y los resultados pueden proporcionar una comprensión
profunda tanto a los investigadores como a los responsables de la
formulación de políticas para resolver problemas complejos de
factores subyacentes que atribuyen a diferentes tipos de
transiciones.
(Ai Yang, Li
Wei-Hong)
Evaluación de la
capacidad del
sistema de manejo
de exportaciones de
carga aérea
utilizando la red
estocástica de Petri
(Ai Yang, Li Wei-
Hong, 2010)
Hicieron uso de la Red de Petri estocástica (SPN) y la cadena de
Márkov homogénea (MC) para modelar el sistema de manejo de
exportaciones de carga aérea para el análisis de rendimiento y
evaluaron la capacidad del sistema, incluida la probabilidad
constante, la eficiencia de la operación y el tiempo de retardo del
sistema, tomando una terminal de carga aérea internacional china
como objeto de investigación.
(Nilson
Herazo
Padilla )
Modelación
matemática del
problema de ruteo
de vehículos con
restricciones de
múltiples depósitos,
flota heterogénea de
vehículos y
ventanas de tiempos
(Nilson Herazo
Padilla , 2012)
Propuesta de un método matemático de programación entera mixta
(MIP) para solucionar un problema de ruteo de vehículos con
restricciones de múltiples depósitos, flota heterogénea de vehículos
y ventanas de tiempo codificado en GAMS, un software de
modelación algebraica general.
(Alfonso
Herrera
García)
Modelo de
simulación de
Operaciones aéreas
en Aeropuertos
saturados. El caso
del aeropuerto
internacional de la
Ciudad de México.
(Alfonso Herrera
García, 2012)
Generar un modelo de simulación en el aeropuerto internacional de
la Ciudad de México, considerando las principales variables
operativas en pistas, calles de rodaje y plataformas, para evaluar
propuestas que soporten la toma de decisiones relacionadas con su
planeación y operación.
Fuente: Elaboración propia, 2017 (Compilación de diferentes autores)
A continuación, en la Tabla 2, se muéstralos estudios que se han realizado al A.e.D. y otros
aeropuertos de Colombia:
Tabla 2 Estudios en el Aeropuerto el Dorado y aeropuertos de Colombia.
Autor Titulo Descripción
(Édgar
Leonardo
Gómez
Gómez, Jorge
Comunicaciones de
enlace de datos
VHF para
proporcionar
Presentan una visión general de los sistemas CNS / ATM
(Comunicación, Navegación, Vigilancia Gestión de Tráfico / Aire)
como concepto introducido en la década de los noventa en base a las
recomendaciones de la OACI. Prestan especial atención a las
33
Eduardo Ortiz
Triviño )
servicios de tráfico
aéreo en Colombia
(Édgar Leonardo
Gómez Gómez,
Jorge Eduardo Ortiz
Triviño , 2012)
tecnologías de enlace de datos VHF diferente (VDL). Las
tecnologías VDL se pueden utilizar para apoyar los servicios de
tráfico aéreo, como la Vigilancia Dependiente Automática (ADS),
Controlador de piloto de enlace de datos de comunicaciones
(CPDLC), y Enlace de vuelos Servicios de Información de Datos
(IFD). Como referencia también presenta los sistemas CNS
utilizadas actualmente en Colombia para proporcionar servicios de
navegación aérea. Esto permite el análisis de las ventajas y
desventajas de la introducción del concepto CNS / ATM.
(Santiago
Carvajal
Giraldo)
Estudio del proceso
de transformación
del aeropuerto el
Dorado, bajo el
concepto de ciudad-
aeropuerto.
(Santiago Carvajal
Giraldo, 2015)
Investigación que examino cómo ha sido el modelo de planificación
desarrollado para el Aeropuerto Internacional El Dorado (AIED) y
cuál es el rol que juega su entorno inmediato en dicho modelo.
(Diana María
Aza Acosta,
Erika María
García Ariza)
Diagnóstico y
análisis de la
situación logística
del transporte aéreo
de carga del puerto
aéreo Olaya Herrera
de Medellín. (Diana
María Aza Acosta,
Erika María García
Ariza, 2007)
Detección de oportunidades en el Aeropuerto Olaya Herrera de
Medellín, comparación de características logísticas del caso de
estudio y los aeropuertos internacionales de Madrid, Barajas y de
Tocumen y Panamá.
(Camilo
Gomez Pinto,
Samuel Ortíz.)
Aporte de
competitividad que
la construcción del
nuevo aeropuerto El
Dorado le traerá a
la ciudad de Bogotá
y su área de
influencia en los
próximos años
(Camilo Gomez
Pinto, Samuel
Ortíz., 2009)
Análisis sobre el aporte de competitividad que la construcción del
nuevo aeropuerto El Dorado le traerá a la ciudad de Bogotá y su área
de influencia en los próximos años.
Fuente: Elaboración propia, 2017 (Compilación en diferentes autores)
34
CAPÍTULO III: DESARROLLO DEL PROYECTO Y RESULTADOS
En este capítulo se desglosa el desarrollo del proyecto realizado, desde el análisis y
tratamiento de los datos hasta la construcción del modelo matemático. Para esto se toman
datos de un intervalo de tiempo determinado, posteriormente se realiza una prueba de
aleatoriedad de los datos, luego se definen los KPIS del estado real y se define un esquema
del procedimiento de despegue para construir la cadena de Márkov y realizar su respectivo
análisis, de este modo se formula el modelo matemático del estado actual del sistema.
Finalmente se establece cinco (5) nuevos escenarios proponiendo diferentes oportunidades
de mejora a causas que conllevan al estado no planeado, lo cual disminuye el número de
vuelos cancelados y demorados, mejorando la promesa de servicio a los clientes y finalmente
se realiza una comparación de GAPS.
3.1. Caracterización y diagnóstico del estado actual
Para el desarrollo del primer apartado de las etapas del proyecto, se parte de la base de datos
de cumplimiento de los vuelos del A. e. D., dentro de esta se encuentra el segundo semestre
del año 2015 y primer semestre del 2016. Para el presente proyecto se toma en cuenta los
datos más recientes que corresponden al primer semestre del año 2016, esta base de datos se
encuentra divida mensualmente, en ella se puede hallar el número del vuelo, el origen, el
destino, trafico (nacional e internacional), estado (cumplido, cancelado y demorado), código
IATA (causa), fecha de vuelo programado y observaciones. A continuación, se describirá el
tratamiento de la base de datos optado para el proyecto.
3.1.1 Análisis y limpieza de la base de datos
Para desarrollar el primer objetivo del proyecto se realiza la segmentación de la base de datos,
es decir, se seleccionan los datos de los vuelos por los siguientes atributos: Tráfico (Solo
Nacional), Origen (Solo Bogotá). Inmediatamente se puede observar dentro de la
información obtenida los estados de los vuelos (cumplido, demorado y cancelado)
conllevando a la identificación de la causa por la cual un vuelo se incumple y por ende están
relacionados directamente con el problema que se quiere abordar, la cual es, mejorar la
promesa de servicio. Dichas causas están relacionadas en el Código de demora de causa de
incumplimiento de itinerario IATA. (Anexo A Códigos de demora de causas de
incumplimiento de Itinerario)
35
Seleccionados los atributos a usar, se realiza una limpieza de datos, la cual consiste en
identificar información errónea, y, por tanto, se debe realizar una eliminación, sustitución o
modificación de dicha información, con el fin de tener datos apropiados. Posteriormente se
realiza filtros en los atributos ya mencionados, para identificar y eliminar celdas en blanco,
es decir, determinar que vuelos no tienen asignado un estado, o aquellos estados que fueran
demorados o cancelados y no tuvieran asignado un código IATA.
Posterior a la limpieza de datos, se obtiene la información mensual que se muestra en la Tabla
3:
Tabla 3 Vuelos al mes programados y estado final de vuelo
Programados Cumplido Demorado Cancelado
Enero 8598 6805 1592 201
Febrero 8030 6661 1059 310
Marzo 8427 6348 1715 364
Abril 8121 6542 1362 217
Mayo 8579 7245 1108 226
Junio 8611 7083 1235 293
Fuente: Elaboración propia, 2018
Se puede observar que las cantidades de vuelos oscilan en números cercanos, es decir, que el
comportamiento de mes a mes de los vuelos es similar, la representación gráfica de los vuelos
programados con sus respectivos estados se observa en el Gráfico 1.
Gráfico 1 Estado mensual de los vuelos
Fuente: Elaboración propia, 2018
El Gráfico 1 logra determinar que, el mes de mayo es el mes con mayor cumplimiento, así
mismo, los meses de enero y marzo se reportaron más vuelos demorados y cancelados, por
tanto, se puede decir que las aerolíneas tuvieron una mayor inversión en compensación a sus
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
Enero Febrero Marzo Abril Mayo Junio
Can
tid
ad d
e vuel
os
Mes
Programados Cumplido Demorado Cancelado
36
pasajeros.
Gráfico 2 Estados de los vuelos (semestre)
Fuente: Elaboración propia, 2018
Desde el mes de enero, al mes de junio del 2016, se observa que el cumplimiento de los
vuelos es del 86%, por tanto, los vuelos demorados corresponden a un 12% y el porcentaje
restante es para los vuelos cancelado (2%) como lo muestra el Gráfico 2. Igualmente, se
relacionan las causas de incumplimiento de los vuelos demorados y cancelados del semestre
como se observa en el Gráfico 3.
Gráfico 3 Número de vuelos por causas de incumplimiento
Fuente: Elaboración propia, 2018
Los motivos con mayor incidencia en el semestre respecto a vuelos demorados y vuelos
cancelados están asignados por el código 72 que corresponde a condiciones climáticas
adversas en el aeropuerto destino. El número de vuelos y los motivos se encuentra
cumplidos86%
cancelados2%
demorados12%
Estados de los vuelos
-50
150
350
550
750
950
1150
3 5 9
13
15
18
21
24
32
34
36
37
41
43
45
47
51
52
,1 61
62
64
66
68
72
76
81
83
85
87
89
89
,2 91
92
,1 96
99
Can
tid
ad d
e vuel
os
Código de causa
Suma de CANCELADO Suma de DEMORADO
37
relacionados en el Anexo B Código de causa IATA con cantidad de vuelos.
Dado a que entre los motivos y/o casusas se encuentran factores no controlables, se procedió
a descártalos ya que el objetivo del proyecto es generar propuestas de mejora a partir de
escenarios que contengan elementos a los que se les pueda ejercer un control y
adicionalmente aquellos factores controlables se agruparon por el tipo de causa definida
directamente por el código IATA del aeropuerto.
3.1.2 KPI’s
Se procede a identificar la probabilidad de ocurrencia por cada una de las causas controlables
que afecta el proceso, para esto se utiliza la ecuación 1 que se observa a continuación teniendo
en cuenta:
PC = probabilidad de que la causa suceda
PC =Número de vuelos de la causa
Número de vuelos programados∗ 100 [1]
El resultado de las probabilidades no supera el valor de 2,4 % del total de los vuelos
programados, sin embargo, se puede observar en el Gráfico 4 que algunas causas tienen
mayor probabilidad de ocurrencia que otras, por tanto, son asignadas como prioritarias para
proponer alternativas de solución, de esta manera aumentar a cantidad de vuelos cumplidos
y con esto mejorar la promesa de servicio dentro del A. e. D.
Gráfico 4 Causas y probabilidades de incumplimiento
Fuente: Elaboración propia, 2018
Los KPI’s del sistema están definidos para medir el desempeño de las causas que afectan el
proceso de despegue, las causas relacionadas en el código de demoras de incumplimiento de
itinerarios IATA están organizadas en 12 grupos, de estos se genera un KPI para cada grupo
de causas usando la ecuación 2.
-0,10000%
0,40000%
0,90000%
1,40000%
1,90000%
2,40000%
Pro
bab
ilid
ad d
e q
ue
la c
ausa
suce
da
Código de causa
38
KPI =∑ cantidad de vuelos en cada causa por grupo de causas
cantidad de vuelos programados∗ 100 [2]
Los KPI´S calculados para el estado real son los que se encuentran en la Tabla 4:
Tabla 4 KPI´s del estado real
Grupo IATA Nombre KPI
1 Códigos internos 1,03630 %
2 Otros 0,01907 %
3 Itinerarios 0,37298 %
4 Pasajeros y equipaje 0,54464 %
5 Carga y correo 0,00848 %
6 Manejo de aeronaves y operaciones de rampa 0,29033 %
7 Equipo técnico y de aviones 3,21063 %
8 Daños al avión 1,19948 %
9 Operaciones de vuelo y tripulación 0,60398 %
10 Restricciones por control de tráfico aéreo 1,81830 %
11 Autoridades gubernamentales y aeroportuarias 4,11130 %
12 Consecuencial 0,56583 %
Fuente: Elaboración propia, 2018
Los grupos de causas con mayor ocurrencia dentro del proceso de despegue están
relacionados con autoridades gubernamentales y aeroportuarias, lo cual va relacionado con
permisos, autorizaciones y sistemas de información, por otro lado se puede observar el equipo
técnico y de aviones ya que es uno de los déficits más representativos del aeropuerto por falta
de equipos, iluminación, etc., y otras causas relacionadas con restricciones por control de
tráfico aéreo, daños a la aeronave y causas internas.
3.1.3 Procedimiento de despegue
Para la construcción de la cadena de Márkov se establece el procedimiento de despegue,
definiendo los estados por los que pasan los vuelos, para esto se asigna a cada etapa del
procedimiento las causas de llegada al estado no planeado, el cual esta especificado en la
Tabla 5.
Tabla 5 Procedimiento de despegue con sus respectivas causas de incumplimiento
Procedimiento Grupo y causas al estado no planeado
1. Llegada de tripulación 10. Operaciones de vuelo y tripulaciones: 63, 64, 66, 67
2. Revisión de documentación
y antecedentes
1. Cod. Interno: 4
3. Itinerarios: 9
6. Manejo de aeronaves y operación de rampa: 31
7. Equipo Técnico y de aviones: 46, 47
10. Operaciones de vuelo y tripulaciones: 61, 61A, 63, 64, 66, 68
11. Restricciones por control de tráfico aéreo: 81
12. Autoridades gubernamentales y aeroportuarias: 89.1
13. Consecuencial: 93, 96
3. Limpieza de aeronave y
abastecimiento de comida
6. Manejo de aeronaves y operación de rampa: 34, 35, 37
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 68
39
4. Mantenimiento de línea
1. Cod. Interno: 5
6. Manejo de aeronaves y operación de rampa: 34, 39
7. Equ. Técnico y de aviones: 41, 42, 43, 44, 45
8. Daños al avión: 52, 52.1
5. Repostar el avión
6. Manejo de aeronaves y operación de rampa: 36, 36.1
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62
6. Movimiento de aeronave a
puerta de embarque
2. Otros: 6
6. Manejo de aeronaves y operación de rampa: 39
8. Daños al avión: 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87
7. Seguridad, check in de
equipaje, carga y pasajeros
4. Pasajeros y equipaje:12, 13, 14, 16, 18
5. Carga y correo: 21, 24
6. Manejo de aeronaves y operación de rampa: 32, 33
9. EDP: 55
13. Consecuencial: 91, 92, 92.1
8. Pre-Vuelo 8. Daños al avión: 52, 52.1
9. Pre-Abordaje
1. Cod. Interno: 3
4. Pasajeros y equipaje: 13, 15, 19
5. Carga y correo: 21, 22, 24
6. Manejo de aeronaves y operación de rampa: 32, 33
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 65
13. Consecuencial: 91, 92, 92.1
10. Abordaje
4. Pasajeros y equipaje: 13, 14, 15, 16
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62, 65
11.Encendido de
motores/taxeo
7. Equ. Técnico y de aviones: 41
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 65
12. Autoridades gubernamentales y aeroportuarias: 89.1
12. Entrega de cabina y cabina
lista
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62, 65
13. Solicitar datos para puesta
en marcha
8. Daños al avión: 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87, 89, 89.1, 89.
14. Notificar listo remolque y
puesta en marcha
6. Manejo de aeronaves y operación de rampa: 39
8. Daños al avión: 51, 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87, 89, 89.1, 89.2
15. Revisión de cabina 8. Daños al avión: 51, 52, 52.1
7. Equipo técnico y de aviones: 41, 48
16. Repaso silencioso 8. Daños al avión: 51, 52, 52.1
17. Despegue 8. Daños al avión: 51, 52, 52.1
Fuente: Elaboración propia, 2018
El Anexo B Código de causa IATA con cantidad de vuelos muestra de forma más específica
el procedimiento con la descripción de cada etapa y los responsables de esta.
3.2. Desarrollo y formulación del modelo matemático
Para el desarrollo y formulación del modelo matemático se definió un estado no planeado,
que agrupa los vuelos demorados y cancelados, dado que ambos representan una pérdida de
promesa de servicio.
40
3.2.1 Prueba de aleatoriedad de los datos
Inicialmente se agruparon los datos por semana tanto de vuelos cumplidos como de vuelos
que se encuentran en el estado no planeado (demorados y cancelados) para realizar la prueba
de aleatoriedad, por cada uno de ellos se tiene 26 datos que se observan en la Tabla 6, los
cuales están dados por la cantidad de vuelos programados o no planeados durante una semana
(las 26 semanas corresponde al primer semestre del 2016)
Tabla 6 Datos semanales de vuelos (programados y no planeados)
Semana Vuelos Programados Vuelos no planeados
1 1886 164
2 1976 495
3 1985 469
4 1954 490
5 1946 401
6 1920 317
7 1945 278
8 1949 334
9 1921 404
10 1959 463
11 1959 788
12 1841 314
13 1812 324
14 1896 408
15 1892 435
16 1899 229
17 1885 335
18 1962 445
19 1932 341
20 1965 260
21 1957 242
22 1898 326
23 1917 367
24 2008 308
25 2035 340
26 2066 406
Fuente: Elaboración propia, 2018
La prueba de aleatoriedad se realiza en el software SPSS (Statistical Package for the Social
Sciences), se ingresan los datos y por medio de la herramienta de análisis de pruebas no
paramétricas y usando como punto de corte la media, se establece que a un nivel de
significancia del 0.05, no existen suficientes pruebas estadísticas para rechazar Ho (hipótesis
nula) como se observa en los datos obtenidos del software en la Tabla 7, lo que permite
verificar que la secuencia de colección de datos es aleatoria, por lo tanto existe independencia
de los datos con respecto a vuelos programados (VP) y vuelos no planeados (VNP).
Tabla 7 Resultados prueba de aleatoriedad
41
Prueba de rachas
VP VNP
Valor de pruebaa 1937,1154 372,4231
Casos < Valor de prueba 12 15
Casos >= Valor de prueba 14 11
Casos totales 26 26
Número de rachas 12 10
Z -,573 -1,310
Sig. asintótica (bilateral) ,566 ,190
a. Media
Fuente: Elaboración propia, 2018
3.2.2 Cadenas de Márkov
Luego de comprobar la aleatoriedad de los datos se procede a definir los estados transitorios,
estos son las diferentes etapas del procedimiento por el cual puede pasar un vuelo, mientras
que los estados absorbentes son los estados finales del vuelo, es decir, si un vuelo es cumplido
llega al estado número 18, mientras que si un vuelo es cancelado o demorado llega al estado
19 (estado no planeado), ver Tabla 8.
Tabla 8 Estados de la cadena de Márkov
Estado (etapa de procedimiento de despegue) Tipo de estado
1. Llegada de tripulación Transitorio
2. Revisión de documentación y antecedentes Transitorio
3. Limpieza de aeronave y abastecimiento de comida Transitorio
4. Mantenimiento de línea Transitorio
5. Repostar el avión Transitorio
6. Movimiento de aeronave a puerta de embarque Transitorio
7. Seguridad, check-in de equipaje, carga y pasajeros Transitorio
8. Pre-Vuelo Transitorio
9. Pre-Abordaje Transitorio
10. Abordaje Transitorio
11. Encendido de motores/taxeo Transitorio
12. Entrega de cabina y cabina lista Transitorio
13. Solicitar datos para puesta en marcha Transitorio
14. Notificar listo remolque y puesta en marcha Transitorio
15. Revisión de cabina Transitorio
16. Repaso silencioso Transitorio
17. Despegue Transitorio
18. Cumplido Absorbente
19. No planeado Absorbente
Fuente: Elaboración propia, 2018
A partir de la información se establece de manera gráfica la relación de cada una de las etapas
del procedimiento de despegue y los estados finales en los que se pueden clasificar los vuelos,
de este modo el esquema de la cadena de Márkov se muestra en la Figura 12:
42
Figura 12 Esquema de cadenas de Márkov
Fuente: Elaboración propia, 2018
El desarrollo del modelo markoviano inicia con el establecimiento de las probabilidades de
transición entre estados; para las probabilidades del estado no planeado se calcularon con la
sumatoria de los porcentaje de ocurrencia de las causas por cada etapa del procedimiento de
despegue obteniendo la matriz de probabilidades de transición (ver Anexo B Código de causa
IATA con cantidad de vuelos).
Basados en la matriz de transición se divide en cuatro (4) sub-matrices, la sub-matriz N
contiene las probabilidades de transición entre estados no absorbentes como se observa en la
Tabla 9, la sub-matriz A tiene las probabilidades de transición entre un estado no absorbente
a un estado absorbente, la sub-matriz 0 es una matriz nula y representa que no hay relación
alguna entre un estado absorbente a un estado no absorbente y la sub-matriz I es una identidad
y muestra la relación entre los estados absorbentes.
Tabla 9 Sub-matriz de probabilidad N
Fuente: Elaboración propia, 2018
Según (Chediak Pinzón Francisco Alfonso y Vera Mendez Flaminio , 2005) el siguiente paso
para encontrar los sistemas absorbentes es realizar una sustracción entre las sub-matrices I y
N, las cuales no tienen la misma dimensión, por lo tanto, la sub-matriz I debe igualarse a la
sub-matriz N (17 filas y 17 columnas). El resultado de esta operación se muestra en la Tabla
10.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 0 0,99793 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 0 0 0,95241 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 0 0 0 0,99898 0 0 0 0 0 0 0 0 0 0 0 0 0
4 0 0 0 0 0,97392 0 0 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 0 0,99812 0 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 0 0,99416 0 0 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 0 0,99705 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0 0,99964 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 0 0,99429 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 0 0,99631 0 0 0 0 0 0
11 0 0 0 0 0 0 0 0 0 0 0 0,99146 0 0 0 0 0
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99939 0 0 0 0
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98913 0 0 0
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98727 0 0
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99642 0
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99849
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
43
Tabla 10 Matriz de resultado (I-N)
Fuente: Elaboración propia, 2018
El tercer paso es obtener la inversa de la matriz de resultado (I-N), donde se calcula el
determinante por medio de la formula = 𝑀𝐷𝐸𝑇𝐸𝑅𝑀 (𝑎; 𝑏) del software Microsoft Excel
2016, arrojando un resultado de valor 1, el cual por ser diferente de cero infiere que existe la
inversa de esa matriz. Teniendo en cuenta el resultado del determinante se procede a calcular
la inversa mediante la ecuación 3 y el resultado se presenta en la Tabla 11 el cual corresponde
al número de veces que el proceso está en cualquier estado transitorio.
𝑀−1 = 1 |𝑀| (𝑀∗) 𝑇 [3]
|M| = Determinante de la matriz
(M*) t = Matriz transpuesta de la adjunta
Fuente: Autores basados en (James Stewart, 2012)
Tabla 11 Matriz inversa de (I-N)
Fuente: Elaboración propia, 2018
Como cuarto y último paso se calcula la probabilidad de absorción por cualquier estado
absorbente, mediante la multiplicación de la matriz inversa de (I-N) y la submatriz A, los
resultados se muestran en la Tabla 12.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 0 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
3 0 0 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0
4 0 0 0 1 -1 0 0 0 0 0 0 0 0 0 0 0 0
5 0 0 0 0 1 -1 0 0 0 0 0 0 0 0 0 0 0
6 0 0 0 0 0 1 -1 0 0 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 1 -1 0 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 1 -1 0 0 0 0 0 0 0 0
9 0 0 0 0 0 0 0 0 1 -1 0 0 0 0 0 0 0
10 0 0 0 0 0 0 0 0 0 1 -1 0 0 0 0 0 0
11 0 0 0 0 0 0 0 0 0 0 1 -1 0 0 0 0 0
12 0 0 0 0 0 0 0 0 0 0 0 1 -1 0 0 0 0
13 0 0 0 0 0 0 0 0 0 0 0 0 1 -1 0 0 0
14 0 0 0 0 0 0 0 0 0 0 0 0 0 1 -1 0 0
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 -1 0
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 -1
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 1 0,99793 0,95044 0,94947 0,92472 0,92298 0,91758 0,91488 0,91455 0,90932 0,90597 0,89823 0,89768 0,88792 0,87661 0,87347 0,87215
2 0 1 0,95241 0,95144 0,92664 0,92489 0,91949 0,91678 0,91645 0,91121 0,90785 0,90009 0,89954 0,88976 0,87843 0,87528 0,87396
3 0 0 1 0,99898 0,97293 0,97111 0,96543 0,96259 0,96224 0,95674 0,95321 0,94507 0,94449 0,93421 0,92232 0,91901 0,91763
4 0 0 0 1 0,97392 0,97209 0,96641 0,96357 0,96322 0,95771 0,95418 0,94603 0,94545 0,93516 0,92326 0,91995 0,91856
5 0 0 0 0 1 0,99812 0,99229 0,98936 0,989 0,98335 0,97972 0,97136 0,97076 0,9602 0,94797 0,94458 0,94316
6 0 0 0 0 0 1 0,99416 0,99123 0,99087 0,9852 0,98157 0,97318 0,97259 0,96201 0,94976 0,94636 0,94493
7 0 0 0 0 0 0 1 0,99705 0,99669 0,991 0,98734 0,97891 0,9783 0,96767 0,95534 0,95192 0,95049
8 0 0 0 0 0 0 0 1 0,99964 0,99392 0,99026 0,9818 0,9812 0,97052 0,95817 0,95473 0,95329
9 0 0 0 0 0 0 0 0 1 0,99429 0,99062 0,98215 0,98155 0,97088 0,95851 0,95508 0,95364
10 0 0 0 0 0 0 0 0 0 1 0,99631 0,9878 0,98719 0,97646 0,96402 0,96057 0,95912
11 0 0 0 0 0 0 0 0 0 0 1 0,99146 0,99085 0,98007 0,96759 0,96413 0,96268
12 0 0 0 0 0 0 0 0 0 0 0 1 0,99939 0,98852 0,97593 0,97243 0,97097
13 0 0 0 0 0 0 0 0 0 0 0 0 1 0,98913 0,97653 0,97303 0,97156
14 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0,98727 0,98373 0,98225
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0,99642 0,99492
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0,99849
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
44
Tabla 12 Matriz de probabilidad de absorción de los estados absorbentes Cumplidos No planeados
1 0,86974 0,13026
2 0,87149 0,12851
3 0,91501 0,08499
4 0,91594 0,08406
5 0,94046 0,05954
6 0,94223 0,05777
7 0,94777 0,05223
8 0,95057 0,04943
9 0,95092 0,04908
10 0,95638 0,04362
11 0,95993 0,04007
12 0,96819 0,03181
13 0,96879 0,03121
14 0,97944 0,02056
15 0,99207 0,00793
16 0,99564 0,00436
17 0,99714 0,00286
Fuente: Elaboración propia, 2018
Uno de los resultados del análisis de cadenas de Markov son el número de pasos antes de que
el proceso sea absorbido, el cual se calcula con la suma de las filas en la matriz de la Tabla
11 obteniendo así la Tabla 13 que se muestra a continuación:
Tabla 13 Número de pasos de Markov
Numero de Pasos
1 15,61512507
2 14,64457747
3 14,32594563
4 13,33950083
5 12,66987837
6 11,69184875
7 10,7547082
8 9,783527793
9 8,786721306
10 7,831474247
11 6,856780121
12 5,907237066
13 4,910249585
14 3,953240351
15 2,991333305
16 1,998493865
17 1
Fuente: Elaboración propia, 2018
Se observa en la Tabla 13 que los estados que tienen un (1) solo paso para que el proceso sea
absorbido es el estado 17, ya que los vuelos que llegan allí finalizan su proceso. Caso
contrario ocurre con los estados que tienen un número de pasos mayor que uno (1), puesto
45
que tienen la posibilidad de ir a diferentes tipos de estados (transitorios y absorbentes), este
caso sucede para los estados del 1 al 16, puesto que los vuelos pueden continuar a la siguiente
etapa del proceso (transitorio) o ir al estado no planeado (absorbente).
Con respecto a los resultados arrojados en la Tabla 12, se realiza un análisis para los diecisiete
(17) estados transitorios y su probabilidad de ser absorbidos por el estado no planeado. Para
el caso de la cadena estudiada se obtiene la probabilidad de vuelos que sale de cada uno de
los estados transitorios y llega al respectivo estado absorbente. A continuación, se muestra el
análisis detallado para la matriz de probabilidad de absorción por el estado absorbente:
Estado 1: Para esta primera etapa del proceso, el 86,97% de los vuelos pasan a revisión
de documentación y antecedentes y el 13,02% llegan a vuelos no planeados.
Estado 2: Los vuelos que llegaron a revisión de documentación y antecedentes, solo el
87,15% siguen a limpieza de aeronave y abastecimiento de comida y el 12,85% van a
vuelos no planeados.
Estado 3: En este estado, el 91,5% de los vuelos pasan a mantenimiento de línea,
llegando así una pérdida del 8,5%.
Estado 4: En esta etapa del proceso, 91,59% de los vuelos que se encuentran en
mantenimiento de línea pasan a repostar el avión y el 8,41% pasan a los vuelos no
planeados.
Estado 5: En este estado, el 94,05% de los vuelos pasan de movimiento de aeronave a
puerta de embarque y el 5,95% llegan a vuelos no planeados.
Estado 6: A partir de este estado, el 94,22% de los vuelos siguen sin restricción a
seguridad, check-in de equipaje, carga y pasajeros, pasando así 5,78% a vuelos no
planeados.
Estado 7: Los vuelos que se encuentran en proceso de seguridad, check-in de equipaje,
carga y pasajeros, solo el 94,78% pasan al proceso de pre-vuelo y el 5,22% pasan a
estado no planeado.
Estado 8: En este estado, el 95,06% de los vuelos pasan al proceso de pre-abordaje y
el 4,94% llegan al estado no planeado.
Estado 9: Los vuelos que se encuentran en el proceso de pre-abordaje, el 95,09% siguen
al proceso de abordaje y el 4,91% pasan al estado no planeado.
Estado 10: Los vuelos que se encuentran en proceso de abordaje, solo el 95,64% de los
vuelos pasan al proceso de encendido de motores y el 4,37% pasan a estado no
planeado.
Estado 11: El 96% de los vuelos pasan al proceso de entrega de cabina y cabina lista y
el 4% pasan a estado no planeado.
Estado 12: En este estado, el 96,82% de los vuelos siguen al proceso de solicitar datos
para puesta en marcha, pasando así un 3,18% al estado no planeado.
Estado 13: Los vuelos que se encuentran en proceso solicitar datos para puesta en
46
marcha, solo el 96,88% de los vuelos pasan al proceso de notificar listo remolque y
puesta en marcha y el 3,12% pasan al estado no planeado.
Estado 14: En este estado, el 97,94% de los vuelos pasan al proceso de revisión de
cabina y el 2,06% llegan al estado no planeado.
Estado 15: Los vuelos que se encuentran en proceso de revisión de cabina, solo el
99,21% de los vuelos pasan al proceso de repaso silencioso y el 0,79% pasan al estado
no planeado.
Estado 16: En esta etapa del proceso, 99,56% de los vuelos que se encuentran en repaso
silencioso pasan al proceso de despegue y el 8,41% pasan a los vuelos no planeados.
Estado 17: Los vuelos que ingresan a esta etapa final, el 0,29% no pueden finalizar su
proceso y se dirigen al estado no planeado, teniendo así un éxito de despegue en un
99,71%
Al conocer el número de vuelos que entran al estado 1, es decir, la cantidad de vuelos
programados, se realiza el cálculo respectivo a la resultante de la cadena de Márkov con sus
probabilidades (ver
Tabla 12), se multiplica la cantidad de vuelos programados (47187 vuelos) por las
probabilidades de paso a los estados absorbentes desde el estado 1, los resultados se muestran
en la Tabla 14:
Tabla 14 cantidad de vuelos en los estados absorbentes desde el estado 1
Cumplido No planeado
Probabilidad de absorción 86,974% 13,026%
Cantidad de vuelos absorbidos 41040 6147
Datos reales 40684 6503
% error 0,876% 5,477%
Fuente: Elaboración propia, 2018
La cantidad de vuelos que pasan del estado 1 a los estados absorbentes con relación a los
datos reales tiene un error de 0,876% para los vuelos cumplidos y 5,477% para los vuelos al
estado no planeado, es decir, que la diferencia de la información resultante de Márkov frente
a los datos reales muestra errores de bajo valor (poco significativos).
3.2.3 Formulación del modelo matemático
Se plantea un modelo de programación estocástico, el cual busca identificar los vuelos que
están en las diferentes etapas del proceso, además conocer el número de vuelos que van al
estado no planeado y los vuelos que finalmente cumplen sin alguna complicación. El objetivo
del modelo propuesto es minimizar la cantidad de vuelos que terminan en el estado no
planeado.
El modelo debe cumplir los siguientes términos: a) la cantidad de vuelos que entran al sistema
debe ser la misma cantidad que sale, así mismo en cada etapa del proceso. b) cada
47
movimiento del proceso esté ligado a la probabilidad dada en el sistema.
Finalmente, se desarrolla un modelo de programación lineal entera que pretende encontrar el
mínimo número de vuelos demorados y cancelados (estado no planeado) ingresando la
cantidad de vuelos programados. Los datos utilizados para el desarrollo del modelo son datos
determinísticos puesto que la transición de un estado a otro es dependiente inmediatamente
del anterior. Por lo tanto, se plantea lo siguiente:
Índices
i= Estado origen de la cadena (1,2, 3, …,17)
j= Estado destino de la cadena (2,3, 4, …,18)
Parámetros
VP= Vuelos programados (47187)
PNP𝑖 = probabilidad de paso al estado no planeado desde el estado i
PX 𝑖𝑗= Probabilidad de paso del estado i al estado j
Variables:
X 𝑖𝑗 = Número de vuelos que pasan del estado i al estado j
VE 𝑖 =Vuelos entrantes al estado i
NP 𝑖= Número de vuelos del estado i al estado no planeado
Función Objetivo
Min Z = ∑ ( VEi ∗ PNPi)17i=1 [4]
s.a.
Restricciones de Probabilidad
∑ Xij18j=2 = ∑ (VEi ∗ PXij)
18j=2 ∀ i{1,2,3, … ,17} [5]
NPi = VEi ∗ PNPi ∀ i{1,2,3, … ,17} [6]
Restricción de Balance
VEi = ∑ ( Xij)18j=2 + NPi ∀ i{1,2,3, … ,17} [7]
VEi = VP ∀ i{1} [8]
VEi = ∑ ( PXi−1 j)18j=2 ∗ VEi−1 ∀ i{2,3,4, … ,17} [9]
VEi, NPi, XiJ ≥ 0 [10]
En la ecuación 4 define la función objetivo, que tiene como fin minimizar la cantidad de
vuelos que llegan al estado no planeado, el cálculo de esta es el producto del número de
vuelos entrantes a cada estado transitorio por la probabilidad de absorción del estado no
planeado.
48
En las ecuaciones 5 y 6 de restricciones de probabilidad se calcula la cantidad de vuelos en
los estados tanto transitorios como absorbentes, la cual es el producto entre la cantidad de
vuelos entrantes a un nodo por la probabilidad de paso al siguiente estado (ecuación 5) y de
paso al estado no planeado (ecuación 6).
Las restricciones de balance están conformadas por 4 ecuaciones, la ecuación 7 está dada por
la igualdad de la cantidad de vuelos que entran a cada nodo y lo que sale de este hacia otro
estado (transitorio o absorbente). La ecuación 8 es la asignación de la cantidad de vuelos
entrantes al primer estado respecto a los vuelos programados y la ecuación 9 es la igualdad
entre la cantidad de vuelos que entran a un estado presente respecto al producto de la cantidad
de vuelos entrantes del estado anterior por su respectiva probabilidad. Finalmente, la
ecuación 10 representa la no negatividad de las variables propuestas para el modelo.
3.2.4 Resultados del modelo
El desarrollo del modelo se realiza a través del programa GAMS (General Algebraic
Modeling System), se establece como 47187 la cantidad de vuelos programados en base del
caso real. Al compilar el programa se obtiene los resultados de la Tabla 15:
Tabla 15 Resultado general del modelo
Vuelos programados 47187
Vuelos al estado no planeado 6147
vuelos salientes al siguiente estado 41040
Fuente: Elaboración propia, 2018
Tabla 16 Resultados específicos del modelo
Estado Vuelos entrantes Vuelos al estado no planeado Vuelos salientes
1 47187 95 47092
2 47092 2240 44852
3 44852 46 44807
4 44807 1168 43638
5 43638 82 43556
6 43556 255 43302
7 43302 128 43174
8 43174 16 43159
9 43159 247 42912
10 42912 158 42754
11 42754 365 42388
12 42388 26 42362
13 42362 461 41902
14 41902 534 41368
15 41368 148 41220
16 41220 62 41158
17 41158 118 41040
Fuente: Elaboración propia, 2018
49
Al observar los datos obtenidos se puede confirmar que la cantidad de vuelos que entran al
sistema es la misma cantidad que sale, tanto del procedimiento completo como de cada una
de las etapas de despegue. Adicionalmente se puede determinar que los estados de mayor
concentración de vuelos que terminan en el estado no planeado son los de los estados: dos
(Revisión de documentación y antecedentes), cuatro (Mantenimiento de línea) y catorce
(Notificar listo remolque y puesta en marcha) como se observa en la Tabla 16.
3.3. Validación y escenarios
3.3.2 Validación modelo
Para la validación del modelo matemático se realiza la comparación de los valores reales de
la situación actual frente a los valores obtenidos del modelo programado, luego se obtiene el
error de estos valores como se muestra en la Tabla 17.
Tabla 17 Información del modelo y el estado real
Datos Modelo Estado real % error
Vuelos programados 47187 47187 0,00%
Vuelos al estado no planeado 6147 6503 5,48%
Vuelos cumplidos 41040 40684 0,88%
Fuente: Elaboración propia, 2018
Para los vuelos programados no se refleja ningún error ya que es la constante que se aplica
en el modelo para determinar las diferentes variables que interactúan. Observando los vuelos
que llegan al estado no planeado se determina un error el 5,48 % y para los vuelos cumplidos
un error del 0,88%, lo cual evidencia que los datos resultantes al aplicar el modelo se
encuentran cercanos a los datos del estado real. Sin embargo, se decide hacer una validación
adicional por mes de los datos, obtenidos en la siguiente tabla:
Tabla 18 Información mensual del modelo y el estado real
Mes Datos Vuelos programados Vuelos al estado no
planeado Vuelos cumplidos
% error
promedio
Enero
Estado real 7913 1108 6805
2,70% Modelo 7913 1031 6882
% error 0% 7% 1%
Febrero
Estado real 7606 945 6661
1,84% Modelo 7606 991 6615
% error 0% 5% 1%
Marzo
Estado real 7730 1382 6348
11,02% Modelo 7730 1007 6723
% error 0% 27% 6%
Abril
Estado real 7576 1034 6542
1,76% Modelo 7576 987 6589
% error 0% 5% 1%
Mayo
Estado real 8132 887 7245
7,27% Modelo 8132 1059 7073
% error 0% 19% 2%
Junio Estado real 8230 1147 7083
2,53% Modelo 8230 1072 7158
50
% error 0% 7% 1%
% promedio de errores 4,52%
Fuente: Elaboración propia, 2018
De los datos obtenidos se puede ver que los errores de los meses oscilan entre un 1,76% y un
11,02 % dando un promedio de error de 4,52 %, confirmando que la diferencia de
información entre el modelo y el estado real no tiene mayor significancia como se observa
en la Tabla 18.
3.3.3 Descripción de escenarios
El objetivo del planteamiento de escenarios alternativos busca aumentar la promesa de
servicio del aeropuerto, para esto se identifican mermas dentro del procedimiento de
despegue seleccionando los grupos de los códigos de demora de causas de incumplimiento
de itinerario (IATA) con mayor porcentaje de ocurrencia como se observa en la siguiente
tabla:
Tabla 19 Grupos con probabilidades de ocurrencia
Grupo Nombre %
11 Autoridades gubernamentales y aeroportuarias 4,11
7 Equipo técnico y de aviones 3,21
10 Restricciones por control de tráfico aéreo 1,82
8 Daños al avión 1,20
1 Códigos internos 1,04
9 Operaciones de vuelo y tripulación 0,60
12 Consecuencial 0,57
4 Pasajeros y equipaje 0,54
3 Itinerarios 0,37
6 Manejo de aeronaves y operaciones de rampa 0,29
2 Otros 0,02
5 Carga y correo 0,01
Fuente: Elaboración propia, 2018
De esta manera se puede observar en la Tabla 19 los grupos con mayor probabilidad de
ocurrencia en orden descendiente. Posteriormente, se identifican los códigos pertenecientes
a dichos grupo para conocer las causas más significativas, dentro de este análisis se encontró
que el grupo de las restricciones por control de tráfico aéreo están enlazadas con la operación
en aire y las propuestas se basan en control de superficie, por esta razón este grupo no se
tomó en cuenta y se selecciona los 4 siguientes grupos de mayor porcentaje para los
escenarios como se muestra en la Tabla 20:
Tabla 20 Descripción de los escenarios
Escenario Grupo
(Códigos)
Descripción de propuesta Anexo matriz
de transición
1 11 (87, 89,
89.1 y 89.2)
Ampliación y mantenimiento de zonas indispensables para la
operación del aeropuerto (parqueo, compuertas, pistas, etc.),
mantenimiento y actualización de equipos para la operación
aeroportuaria (comunicación, remolque, transporte,
Anexo E
Matriz de
transición del
escenario 1
51
iluminación, etc.). Adicionalmente crear un programa de
actualización de sistemas y aplicativos (documentos de
tripulación, aeronaves, seguros etc., por parte de la autoridad
aeronáutica) para agilizar el control de los vuelos y la
tripulación.
2
7 (41, 42,
43, 44, 45,
46, 47 y 48)
Revisar casos anteriores para encontrar situaciones repetitivas
o de alta ocurrencia para construir un programa de acciones
preventivas. Adicionalmente estandarizar el proceso de
mantenimiento y limpieza para tener tiempos límites con
holguras programadas y no incurrir en demoras.
Por otro lado, se encuentra el déficit de componentes,
repuestos, herramientas o equipo especial para reparaciones
por ello se propone tener un inventario variado y suficiente.
Anexo F
Matriz de
transición del
escenario 2
3 8 (51, 52,
52.1 y 55)
Desarrollo de un plan de prevención de daños a las aeronaves
teniendo en cuenta los siguientes aspectos:
- control de rayos
- control y el desalojo de aves que puedan impactar con las
aeronaves.
- control de objetos móviles y estacionarios en las pistas para
evitar colisiones.
Anexo G
Matriz de
transición del
escenario 3
4 1 (3, 4, 5)
Capacitación general al personal del aeropuerto para el manejo
de clientes especiales (niños recomendados, discapacitados,
agresivos, enfermos, tardíos, de condiciones jurídicas
especiales, entre otros) para evitar retardos y demoras.
Revisar la normatividad de cambios de itinerario (avisar
siempre que un vuelo sea cancelado); generar una penalización
(multa) para estos casos o un curso de normatividad de cambios
en itinerario.
Anexo H
Matriz de
transición del
escenario 4
5 Todos los
anteriores
Todos los anteriores Anexo I
Matriz de
transición del
escenario 5
Fuente: Elaboración propia, 2018
Definido los 5 escenarios, los porcentajes a reducir en cada uno de ellos se realiza de la
siguiente manera: se identifican los subgrupos o motivos pertenecientes a cada uno de los
grupos y se halla el porcentaje de ocurrencia mensualmente (enero a junio) para cada uno de
ellos. Finalmente, para determinar a qué porcentaje se va a disminuir la merma (vuelos no
planeados), se calcula el promedio entre la mínima probabilidad de ocurrencia que obtuvo en
el semestre y el promedio del semestre.
a. Escenario 1
Dado los parámetros seleccionados para el escenario 1, los porcentajes a reducir en la merma
se muestran en la Tabla 21 y el Gráfico 5.
Tabla 21 Probabilidades del escenario 1 (reducción)
87 89 89,1 89,2
Probabilidad
ocurrencia actual 0,0096 0,0017 0,0238 0,0059
% de reducción 19% 46% 27% 49%
52
Probabilidad
propuesta 0,00780 0,00094 0,01737 0,00299
Fuente: Elaboración propia, 2018
Gráfico 5 Mermas escenario 1
Fuente: Elaboración propia, 2018
Teniendo en cuenta los porcentajes de reducción, las nuevas probabilidades para el estado no
planeado y vuelos cumplidos, al pasar de un estado a otro se pueden observar en la matriz
del Anexo E Matriz de transición del escenario 1. Aplicando los respectivos cambios al
modelo y usando el software GAMS los resultados obtenidos son de 5642 vuelos no
planeados, lo que quiere decir que hubo una reducción del 8.22% respecto al modelo original,
los resultados puntuales se pueden observar en la Tabla 22.
Tabla 22 Resultados escenario 1
Vuelos
cumplidos
Vuelos no
planeados
X12 47092 NP1 95
X23 44974 NP2 2118
X34 44929 NP3 46
X45 43757 NP4 1172
X56 43675 NP5 82
X67 43460 NP6 215
X78 43332 NP7 128
X89 43316 NP8 16
X910 43068 NP9 248
X1011 42909 NP10 159
X1112 42599 NP11 311
X1213 42572 NP12 26
X1314 42259 NP13 313
X1415 41877 NP14 382
X1516 41727 NP15 150
X1617 41664 NP16 63
X1718 41545 NP17 119
0
0,005
0,01
0,015
0,02
0,025
0,03
0,035
0,04
c. 87 c. 89 c. 89,1 c. 89,2
Pro
bab
ilid
ad d
e o
curr
enci
a
Código de causa
min max prom prom mi p
53
Fuente: Elaboración propia, 2018
Gráfico 6 Vuelos cumplidos escenario 1
Fuente: Elaboración propia, 2018
Con la disminución de los porcentajes de ocurrencia de las causas o subgrupos descritos
anteriormente, los vuelos cumplidos aumentan a partir del paso del estado 2 al estado 3, sin
embargo, el aumento significativo se observa del paso del estado 6 al estado 7, junto a esto
los vuelos cumplidos van creciendo a medida en que avanzan a los estados como se observa
en el Gráfico 6, finalmente se refleja un aumento del 1.23%
b. Escenario 2
Dado los parámetros seleccionados para el escenario 2, los porcentajes a reducir en la merma
se muestran en la Tabla 23 y el Gráfico 7.
Tabla 23 Probabilidades del escenario 2 (reducción)
41 42 43 44 45 46 47 48
Probabilidad
actual 0.01568 0.00201 0.00884 0.00286 0.00011 0.00206 0.00004 0.00051
% de
reducción 14% 22% 19% 12% 49% 20% 48% 49%
Probabilidad
propuesta 0.01345 0.00156 0.00713 0.00253 0.00005 0.00165 0.00002 0.00026
Fuente: Elaboración propia, 2018
41000
42000
43000
44000
45000
46000
47000
Núm
ero
de
vuel
os
Variable Xij
Escenario 1 Modelo Original
54
Gráfico 7 Mermas escenario 2
Fuente: Elaboración propia, 2018
Teniendo en cuenta los porcentajes de reducción, las nuevas probabilidades para el estado no
planeado y vuelos cumplidos, al pasar de un estado a otro se pueden observar en la matriz
del Anexo F Matriz de transición del escenario 2. Aplicando los respectivos cambios al
modelo y usando el software GAMS los resultados obtenidos se muestran en la Tabla
24.
Tabla 24 Resultados escenario 2
Vuelos
cumplidos
Vuelos no
planeados
X12 47092 NP1 95
X23 44872 NP2 2220
X34 44827 NP3 46
X45 43842 NP4 985
X56 43760 NP5 82
X67 43504 NP6 256
X78 43376 NP7 128
X89 43360 NP8 16
X910 43112 NP9 248
X1011 42953 NP10 159
X1112 42606 NP11 348
X1213 42579 NP12 26
X1314 42116 NP13 463
X1415 41580 NP14 536
X1516 41451 NP15 129
X1617 41388 NP16 62
X1718 41270 NP17 118
Fuente: Elaboración propia, 2018
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
0,016
0,018
c.41 c.42 c.43 c.44 c.45 c.46 c.47 c.48
Pro
bab
ilid
ad d
e o
curr
enci
a
Código de causa
min max prom prom mi p
55
Respecto a los vuelos no planeados, en el estado 2 hay una mayor absorción de los vuelos,
sin embargo, se logra obtener una disminución de los vuelos no planeados en un 3.74%
Gráfico 8 Vuelos cumplidos escenario 2
Fuente: Elaboración propia, 2018
Con la disminución de los porcentajes de ocurrencia de las causas o subgrupos descritos
anteriormente, los vuelos cumplidos se ven en aumento a partir del paso del estado 2 al estado
3, sin embargo, el aumento significativo se observa del paso del estado 4 al estado 5 como se
evidencia en el Gráfico 8, junto a esto los vuelos cumplidos van creciendo a medida en que
avanzan a los estados, a lo que finalmente refleja un aumento del 0,56%.
c. Escenario 3
En el segundo escenario se selecciona el grupo 8 “Daños del avión”, este grupo contiene las
causas o subgrupos 51, 52, 52.1 y 55, los porcentajes a reducir para cada uno de ellos se
encuentran en la Tabla 25 y el Gráfico 9.
Tabla 25 Probabilidades del escenario 3 (reducción)
51 52 52,1 55
Probabilidad actual 0,00426 0,00718 0,00008 0,00047
% de reducción 21% 15% 50% 50%
Probabilidad propuesta 0,00338 0,00612 0,00004 0,00023
Fuente: Elaboración propia, 2018
41000
42000
43000
44000
45000
46000
47000N
úm
ero
de
vuel
os
Variable Xij
Escenario 2 Modelo Original
56
Gráfico 9 Mermas escenario 3
¡Error! No se encuentra el origen de la referencia.
Fuente: Elaboración propia, 2018
Teniendo en cuenta los porcentajes de reducción, las nuevas probabilidades para el estado no
planeado y vuelos cumplidos, al pasar de un estado a otro se pueden observar en la matriz
del Anexo G Matriz de transición del escenario 3. Aplicando los respectivos cambios al
modelo y usando el software GAMS los resultados obtenidos son:
El resultado arrojado para el primer escenario es una función objetivo de 6055 vuelos no
planeados, lo que quiere decir que hubo una reducción del 1,49% respecto al modelo original,
los resultados puntuales por estados se observan en la Tabla 26.
Tabla 26 Resultados escenario 3
Vuelos
cumplidos
Vuelos no
planeados
X12 47092 NP1 95
X23 44852 NP2 2240
X34 44809 NP3 43
X45 43645 NP4 1164
X56 43567 NP5 78
X67 43317 NP6 250
X78 43200 NP7 118
X89 43186 NP8 13
X910 42942 NP9 244
X1011 42786 NP10 156
X1112 42423 NP11 363
X1213 42399 NP12 24
X1314 41940 NP13 459
0
0,001
0,002
0,003
0,004
0,005
0,006
0,007
0,008
0,009
c.51 c.52 c.52,1 c.55
Pro
bab
ilid
ad d
e o
curr
enci
a
Código de causa
min max prom prom mi p
57
X1415 41415 NP14 526
X1516 4128 NP15 137
X1617 41227 NP16 51
X1718 41132 NP17 95
Fuente: Elaboración propia, 2018
Respecto a los vuelos no planeados, en el estado 2 hay una mayor absorción de los vuelos,
sin embargo, se logra obtener una disminución de los vuelos no planeados en un 1,49%
Gráfico 10 Vuelos cumplidos escenario 3
Fuente: Elaboración propia, 2018
Con la disminución de los porcentajes de ocurrencia de las causas o subgrupos descritos
anteriormente, en el Gráfico 10 se puede observar que los vuelos cumplidos se ven en
aumento a partir del paso del estado 3 al estado 4, junto a esto, aunque los vuelos cumplidos
van creciendo a medida en que avanzan a los estados, no se logra ver una diferencia
significativa entre los vuelos cumplidos del escenario 3 y el modelo original, finalmente el
aumento es del 0,22%
d. Escenario 4
En el segundo escenario se selecciona el grupo 8 “Daños del avión”, este grupo contiene las
causas o subgrupos 51, 52, 52.1 y 55, los porcentajes a reducir para cada uno de ellos se
encuentran en la Tabla 27 y el Gráfico 11.
41000
42000
43000
44000
45000
46000
47000
Núm
ero
de
vuel
o
Variable Xij
Escenario 3 Modelo Original
58
Tabla 27 Probabilidades del escenario 4 (reducción)
3 4 5
Probabilidad
Actual 0,00407 0,00627 0,00002
% de
Reducción 16% 38% 52%
Probabilidad
Propuesta 0,00341 0,00391 0,00001
Fuente: Elaboración propia, 2018
Gráfico 11 Mermas escenario 4
Fuente: Elaboración propia, 2018
Teniendo en cuenta los porcentajes de reducción, las nuevas probabilidades para el estado no
planeado y vuelos cumplidos, al pasar de un estado a otro se pueden observar en la matriz
del Anexo H Matriz de transición del escenario 4. Aplicando los respectivos cambios al
modelo y usando el software GAMS los resultados obtenidos son:
El resultado arrojado para el cuarto escenario se evidencia en la Tabla 28, la función
objetivo es de 6017 vuelos no planeados, lo que quiere decir que hubo una reducción del
2,11% respecto al modelo original.
Tabla 28 Resultado escenario 4
Vuelos
cumplidos
Vuelos no
planeados
X12 47092 NP1 95
X23 44963 NP2 2129
X34 44918 NP3 46
X45 43747 NP4 1171
X56 43665 NP5 82
X67 43410 NP6 255
0
0,002
0,004
0,006
0,008
0,01
0,012
0,014
c.3 c.4 c.5
Pro
bab
ilid
ad d
e o
curr
enci
a
Código de causa
min max prom prom mi p
59
X78 43282 NP7 128
X89 43266 NP8 16
X910 43047 NP9 219
X1011 42889 NP10 159
X1112 42522 NP11 366
X1213 42496 NP12 26
X1314 42034 NP13 462
X1415 41499 NP14 535
X1516 41350 NP15 149
X1617 41288 NP16 62
X1718 41170 NP17 118
Fuente: Elaboración propia, 2018
Respecto a los vuelos no planeados, en el estado 2 hay una mayor absorción de los vuelos,
sin embargo, se logra obtener una disminución de los vuelos no planeados en un 2,11%
Gráfico 12 Vuelos cumplidos escenario 4
Fuente: Elaboración propia, 2018
Con la disminución de los porcentajes de ocurrencia de las causas o subgrupos descritos
anteriormente, los vuelos cumplidos se ven en aumento a partir del paso del estado 2 al estado
3, sin embargo, el aumento significativo se observa del paso del estado 4 al estado 5 como se
observa en el Gráfico 12, finalmente refleja un aumento del 0,32%
e. Escenario 5
Dado los parámetros seleccionados para el escenario 5, los porcentajes de reducción, las
nuevas probabilidades para el estado no planeado y vuelos cumplidos, al pasar de un estado
a otro se pueden observar en la matriz del Anexo I Matriz de transición del escenario 5.
Aplicando los respectivos cambios al modelo y usando el software GAMS los resultados
obtenidos se muestran en la
41000
42000
43000
44000
45000
46000
47000
Núm
ero
de
vuel
os
Variable Xij
Escenario 4 Modelo Original
60
Tabla 29. El resultado arrojado para el quinto escenario de la función objetivo es de 5184
vuelos no planeados, lo que quiere decir que hubo una reducción del 15,66% respecto al
modelo original.
Tabla 29 Resultados escenario 5
Vuelos
cumplidos
Vuelos no
planeados
X12 47092 NP1 95
X23 45106 NP2 1987
X34 45062 NP3 43
X45 44077 NP4 985
X56 43999 NP5 78
X67 43787 NP6 212
X78 43668 NP7 119
X89 43654 NP8 13
X910 43436 NP9 218
X1011 43278 NP10 158
X1112 42987 NP11 292
X1213 42963 NP12 24
X1314 42649 NP13 314
X1415 42272 NP14 377
X1516 42152 NP15 120
X1617 42100 NP16 52
X1718 42003 NP17 97
Fuente: Elaboración propia, 2018
Respecto a los vuelos no planeados, en el estado 2 hay una mayor absorción de los vuelos,
sin embargo, se logra obtener una disminución de los vuelos no planeados en un 2,11%
Gráfico 13 Vuelos cumplidos escenario 5
Fuente: Elaboración propia, 2018
41000
42000
43000
44000
45000
46000
47000
Nú
mer
o d
e vu
elo
s
Variable Xij
Escenario 5 Modelo Original
61
Con la disminución de los porcentajes de ocurrencia de las causas o subgrupos descritos
anteriormente, los vuelos cumplidos se ven en aumento a partir del paso del estado 2 al estado
3, junto a esto los vuelos cumplidos van creciendo a medida en que avanzan a los estados
como se evidencia en el Gráfico 13, a lo que finalmente refleja un aumento del 2,35%.
Gráfico 14 Vuelos no planeados del escenario 5
Fuente: Elaboración propia, 2018
Los resultados obtenidos en cada uno de los escenarios de la función objetivo se ven
representados en el Gráfico 14, se puede observar que el escenario 5, es la alternativa con
mayor reducción de las mermas, es decir, la cantidad de vuelos no planeados que cambiaron
al estado cumplido, esto es debido a que se atacan varios motivos de demora y por ende
involucra aumentar la probabilidad de ocurrencia de que un vuelo sea cumplido, en más
etapas del proceso.
Considerando que el modelo original tiene un error del 5,47% respecto al estado real, se
realiza la comparación de los diferentes escenarios respecto a dicho estado (adicionando a
los vuelos no planeados el porcentaje del error correspondiente), con esto se determina el
porcentaje de disminución para los vuelos al estado no planeado por escenarios, así mismo
un aumento de los vuelos cumplidos como lo muestra la Tabla 30.
Tabla 30 Porcentaje de diferencia entre cada escenario (con 5,47%) y el estado real
Vuelos cumplidos Vuelos no planeados
Estado real 40684 6503
Escenario 1 41189 5998
% Esc. 1 1,241% 7,766%
Escenario 2 40933 6254
% Esc. 1 0,613% 3,834%
Escenario 3 40823 6364
% Esc. 1 0,341% 2,135%
0
200
400
600
800
1000
1200
Escenario 1 Escenario 2 Escenario 3 Escenario 4 Escenario 5
Can
tid
ad d
e m
erm
a re
duci
da
Escenarios
62
Escenario 4 40846 6341
% Esc. 1 0,397% 2,486%
Escenario 5 41671 5516
% Esc. 1 2,427% 15,181%
Fuente: Elaboración propia, 2018
Los escenarios que presentan el mayor aumento en vuelos cumplidos y disminución en vuelos
al estado no planeado son el escenario uno (1) y el escenario cinco (5), estas disminuciones
de la merma representan una menor inversión en compensaciones y penalizaciones a
pasajeros, igualmente posiciona al aeropuerto A. e. D. en un mejor ranking ante las
autoridades del mundo.
63
CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES
En este capítulo, se evidencian las conclusiones del trabajo de grado en base a los objetivos
planteados, adicionalmente se muestran las recomendaciones que se realizan para el
mejoramiento de la operación de despegue en el sistema aeroportuario con oportunidades de
mejoras para el futuro.
4.1. Conclusiones
El transporte aéreo ha experimentado un incremento de demanda en los últimos años, lo cual
también ha conllevado al aumento de la capacidad de sus operaciones generando interés por
realizar inversiones en infraestructura y tecnología para mantener y mejorar la comunicación,
navegación y vigilancia del tráfico aéreo que conlleva al crecimiento de la promesa de
servicio del A. e. D., por dicha razón este proyecto se enfocó en la identificación de motivos
de incumplimiento de vuelos y la propuesta de escenarios de mejora para la disminución de
las mermas en el sistema logístico, se llegó a los objetivos planteados por medio de la
formulación de un modelo matemático y su respectivo análisis.
El primer objetivo se puede concluir con el desarrollo del proyecto, en el cual se identificó
que es más probable que un vuelo entre a un estado demorado que a un vuelo cancelado, sin
embargo, ambos estados representan para las aerolíneas una penalización como forma de
compensación por la situación presentada. Entre las causas más concurrentes se encontraron:
71- Condiciones climáticas en el aeropuerto de destino, 89,1- Restricciones en el aeropuerto
de origen con o sin restricciones de AFTM (Gestión del flujo del tráfico aéreo) y 72-
Condiciones climáticas en el aeropuerto de salida, con porcentajes de 15.59%, 11.62% y
9.18%, respectivamente, dado que algunos de estos motivos son de naturaleza incontrolable
y no se puede ejercer un control sobre ellos, se determinó que no son relevantes para la
construcción de oportunidades de mejora.
Identificada las causas controlables, se calcularon las probabilidades de ocurrencia de los
vuelos que se dirigen al estado no planeado (11,52% vuelos demorados y 2,26% vuelos
cancelados), así mismo se evidenció las causas de mayor acontecimiento como los son: 89,1-
Restricciones en el aeropuerto de origen con o sin restricciones de AFTM (Gestión del flujo
del tráfico aéreo), 81- ATFM debido a limitación de capacidad del sistema de ATC en ruta o
a alta demanda y defectos de avión, 41-Defectos del avión, 87-Instalaciones aeroportuarias
y 43-Mantenimiento no programado.
64
La propuesta del modelo matemático se basó en las características de los datos obtenidos y
el problema, se determinó el uso de un modelo de programación lineal entera, dado que los
vuelos se expresan en números enteros y estocástico por la dependencia probabilística al paso
de estados y adicionalmente se determinó que la función objetivo es minimizar la cantidad
de vuelos del estado absorbente no planeado, ya que se quiere reducir mermas logísticas.
Los estados o etapas del proceso con mayor influencia a que un vuelo sea demorado o
cancelado, es decir, que entre al estado no planeado son el estado 2: revisión de
documentación y antecedentes con un 4,76%, estado 4: mantenimiento en línea con un
2,61%, estado 14: notificar listo remolque y puesta en marcha con un 1,27% y el estado 13:
solicitar datos para puesta en marcha con un 1,09%, a lo cual teniendo en cuenta los vuelos
programados para el primer semestre del 2017 los vuelos absorbidos en cada uno de los
estados se muestra en la Gráfico 15.
Gráfico 15 Vuelos al estado no planeado desde los estados transitorios
Fuente: Elaboración propia, 2018
En los resultados arrojados por el modelo se evidenció una disminución para los vuelos del
estado no planeado del 5.48% y un aumento para los vuelos cumplidos del 0.88%, lo cual
nos lleva a concluir que la información obtenida al compilar el modelo no existe diferencia
significativa respecto a los datos reales, por dicha razón se dice que el modelo es confiable.
Finalmente, por medio del modelo propuesto se logra plantear 5 escenarios identificando que
el escenario 5, representa un mayor cumplimiento de los vuelos y por ende una reducción de
los vuelos no planeados, respecto a los demás escenarios sabiendo que esta combina las
propuestas de mejora de los demás escenarios, y con relación al modelo original se evidencia
0
500
1000
1500
2000
2500
Núm
ero
de
vuel
os
abso
rbid
os
Estados
65
una mejora del 15,66% respecto a los vuelos que pasan al estado no planeado. Las actividades
que se deben implementar para este escenario son ampliación y mantenimiento de zonas de
parqueo, compuertas, pistas etc., al igual que la actualización de equipos y herramientas
tecnológicas para las operaciones, desarrollar plan de prevención de daños a las aeronaves,
es decir, plan para control y el desalojo aves y objetos móviles que puedan impactar con las
aeronaves y por último capacitación general al personal del aeropuerto para el manejo de
clientes especiales.
4.2. Recomendaciones
De acuerdo con el desarrollo del trabajo se puede evidenciar que existen varias oportunidades
de mejora para la operación de despegue, algunas de estas son ampliación, actualización y
mantenimiento de zonas, equipos, sistemas y aplicativos indispensables para la operación del
aeropuerto agilizando el control de los vuelos y la tripulación, programa de acciones
preventivas de casos repetitivos o de alta ocurrencia, estandarizar el proceso de
mantenimiento y limpieza para tener tiempos límites con holguras programadas, desarrollo
de un plan de prevención de daños a las aeronaves (control de rayos, desalojo de aves y
control de objetos móviles y estacionarios en las pistas) y la generación de penalizaciones
para casos de incumplimiento de normatividad de cambios de itinerario. Sin embargo, cabe
aclarar que siguen existiendo otras causas de menor probabilidad que al evaluarlas pueden
aportar a dicha operación más oportunidades de mejora.
El modelo propuesto, puede ser implementando como método predictivo de los vuelos
programados sin restricción de tiempo, es decir, ingresar la cantidad de vuelos que se según
demanda se estiman para un rango de tiempo específico y compilar el modelo para determinar
la cantidad de vuelos que podrían llegar al estado no planeado y con esto identificar las etapas
del proceso donde se generan más vuelos cancelados y demorados, para saber que métodos
de mejora o acciones preventivas se pueden implementar frente a situaciones futuras.
66
BIBLIOGRAFÍA
Maureen O'Hare, CNN. (10 de abril de 2018). CNN. Obtenido de cnn español:
https://cnnespanol.cnn.com/2018/04/10/aeropuertos-congestionados-populares-
concurridos-ranking/
Aerocivil. (Octubre de 2018). Aeronautica Civil Unidad Administrativa Especial.
Obtenido de http://www.aerocivil.gov.co/atencion/estadisticas-de-las-actividades-
aeronauticas/boletines-operacionales
Aeronautica Civil de Colombia. (2017). Cuentiones preliminares, disposiciones
iniciales, definiciones y abreviaturas. En Reglamento aeronautico de Colombia (pág.
107).
Aeropuerto El Dorado / Aéronáutica Civil. (s.f.). El Dorado. Obtenido de
https://eldorado.aero/entity/aeronautica-civil/
Aeropuerto El Dorado / OPAIN. (2017). El Dorado. Obtenido de
https://eldorado.aero/entity/opain/
Aeropuertos del mundo. (22 de Agosto de 2018). Aeropuertos del mundo. Obtenido de
Aeropuerto de Bogotá El Dorado (BOG):
https://www.aeropuertosdelmundo.com.ar/americadelsur/colombia/aeropuertos/el-
dorado.php
Ai Yang, Li Wei-Hong. (2010). Capability Evaluation of Air Cargo Export Handling
System Using Stochastic Petri Net. China.
Alberto, F. &. (2007). Formulario De La Descripción De La Tesis Doctoral O. 1-58.
Alfonso Herrera García. (2012). Modelo de simulación de operaciones aéreas en
aeropuertos saturados. El caso del Aeropuerto Internacional de la Ciudad de México.
México.
Artur Kierzkowski*, Tomasz Kisiel. (2015). Modelling the passenger flow at an airport
terminal to increase the safety level.
Camilo Gomez Pinto, Samuel Ortíz. (2009). El aeropuerto el Dorado como centro de
logistica y distribución hacia el mejoramiento de la competitividad regional y nacional.
Bogotá D.C.
Chediak Pinzón Francisco Alfonso y Vera Mendez Flaminio . (2005). Investigación de
operaciones. Ibague: El Poira.
Conceptos Básicos de Servicio al Cliente. (s.f.). Recuperado el 8 de Diciembre de 2015,
de www.escolme.edu.co
David Ray Anderson, Dennis J. Sweeney, Thomas A. Williams. (2004). Métodos
cuantitativos para los negocios. Cengage Learning Editores S.A. Obtenido de
http://inop2.blogspot.com/p/cadenas-de-markov.html
67
Diana María Aza Acosta, Erika María García Ariza. (2007). Diagnostico y análisis de
la situación ligística del transporte aéreo de carga del puerto aéreo Olaya Herrera de
Medellín. Chía, Cundinamarca.
Édgar Leonardo Gómez Gómez, Jorge Eduardo Ortiz Triviño . (2012). Enlaces de datos
en vhf (vdl) dentro del contexto CNS/ATM para la prestación de los servicios de
tránsito aéreo en colombia. Colombia.
El espectador. (12 de Noviembre de 2016). El espectador. Obtenido de
http://www.elespectador.com/noticias/investigacion/pistas-de-crisis-los-aeropuertos-
articulo-665224
El tiempo. (12 de Noviembre de 2016). El tiempo. Obtenido de
http://www.eltiempo.com/economia/sectores/razones-de-caos-en-aeropuertos-de-
colombia-31090
El tiempo. (30 de mayo de 2017). El tiempo. Obtenido de
https://www.eltiempo.com/economia/sectores/aerocivil-aprueba-mas-dinero-para-
aeropuertos-93414
Espinosa, R. (08 de 09 de 2016). Roberto Espinosa. Obtenido de
https://robertoespinosa.es/2016/09/08/indicadores-de-gestion-que-es-kpi/
Felicisimo, A. (s.f.). Conceptos básicos, modelos y simulación. Obtenido de
http://www.etsimo.uniovi.es/~feli/
García, P., Maheut, J., Garcia, P., & Maheut, J. (2011). Modelos y métodos de
Investigación de operaciones. Universidad Politécnica de Valencia.
Google Maps. (s.f.). Google Maps. Recuperado el 5 de 12 de 2015, de
https://www.google.com.co/maps/place/DHL/@4.6775794,-
74.1178988,17z/data=!3m1!4b1!4m2!3m1!1s0x8e3f9b7b2cd0bc91:0x15c6cb17281cf
36
Icontec Internacional. (12 de 12 de 2007). NTC 5500-2. Obtenido de
https://tienda.icontec.org
James Stewart, L. R. (2012). Matemáticas para el cálculo. Cengage Learning Editores
S.A.
M. Ataharul Islam, Rafiqul Islam Chowdhury. . (2005). A higher order Markov model
for analyzing covariate dependence. Saudi Arabia.
Mahboubi, Z., & Kochenderfer, M. J. (2015). Continous time autonomous air traffic
control for non-towered airports. Osaka, Japan.
Maps. (16 de Noviembre de 2017). Maps. Obtenido de Ubicación Aeropuerto El
Dorado:
https://www.google.com.co/maps/place/Aeropuerto+Internacional+El+Dorado+(BO
G)/@4.6826159,74.1331035,14.75z/data=!4m5!3m4!1s0x8e3f9cb6430f8607:0x8eea
5954ef14af30!8m2!3d4.7014128!4d-74.1444969
Mariano Bruzzi. (Octubre de 2017). Foro de seguridad. Obtenido de Foro de
Profesionales Latinoamericanos de Seguridad:
68
http://www.forodeseguridad.com/artic/discipl/4116.htm
Ministerio de Transporte de Colombia. (23 de Abril de 2009). Mintransporte. Obtenido
de https://www.mintransporte.gov.co
Nilson Herazo Padilla . (2012). Modelación matemática del problema de ruteo de
vehículos con restricciones de múltiples depósitos, flota heterogénea de vehículos y
ventanas de tiempos.
Ortúzar, J., & Willumsen, L. (2008). Modelos de Transporte . España: Ediciones de la
Universidad de Cantabria.
Oussama AOUN and Abdellatif EL AFIA. (2014). Using Markov Decision Processes
to Solve Stochastic Gate Assignment Problem. Rabat, Morocco.
Restrepo, D. (2011). Artículo Zonalogística. EL SCM (Suply Chain Managment), 32-
35.
Santiago Carvajal Giraldo. (2015). Estudio del proceso de transformación del
Aeropuerto Internacional El Dorado, bajo el concepto de ciudad-aeropuerto. BOGOTÁ
D.C.
Ultima hora. (5 de abril de 2018). Ultima hora. Obtenido de
https://www.ultimahora.com/la-demanda-mundial-del-transporte-aereo-aumento-un-
76-n1141326.html
Unidad Administrativa Especial de Aeronáutica Civil. (enero de 2015). Aereocivil.
Obtenido de FACILITACIÓN DEL TRANSPORTE AÉREO:
http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%20200%20-
%20Facilitaci%C3%B3n%20del%20Transporte%20A%C3%A9reo.pdf
Unidad Administrativa Especial de Aeronáutica Civil. (Octubre de 2015). Aerocivil.
Obtenido de GESTIÓN DEL TRANSITO AÉREO:
http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%206%20-
%20Gesti%C3%B3n%20de%20%20Tr%C3%A1nsito%20A%C3%A9reo.pdf
Unidad Administrativa Especial de Aeronáutica Civil. (Diciembre de 2015). Aerocivil.
Obtenido de LICENCIAS PARA PILOTOS Y SUS HABILITACIONES:
http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%2061%20-
%20Licencias%20para%20Pilotos%20y%20sus%20Habilitaciones.pdf
Unidad Administrativa Especial de Aeronáutica Civil. (Junio de 2017). Aerocivil.
Obtenido de NORMAS DE AERONAVEGABILIDAD Y OPERACIÓN DE
AERONAVES: http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%204%20-
%20Normas%20de%20Aeronavegabilidad%20y%20Operaci%C3%B3n%20aeronav
es.pdf
Unidad Administrativa Especial de Aeronáutica Civil. (Junio de 2017). Aerocivil.
Obtenido de REGLAMENTOS AERONÁUTICOS DE COLOMBIA:
http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%205%20-
%20Reglamento%20%20del%20%20Aire%20-%20TERCERA%20ENMIENDA.pdf
Unidad Administrativa Especial de Aeronáutica Civil. (Abril de 2017). Aerocivil.
69
Obtenido de SEGURIDAD DE AVIACIÓN CIVIL:
http://www.aerocivil.gov.co/normatividad/RAC/RAC%20%20160%20-
%20Seguridad%20de%20la%20Aviaci%C3%B3n%20Civil.pdf
Xiaojie Lv and HongWang . (2009). Flight Delay Alarming Analysis for an Airport
Based on Markov. Tianjin, China.
70
ANEXOS
Anexo A Códigos de demora de causas de incumplimiento de Itinerario
71
72
73
74
75
Anexo B Código de causa IATA con cantidad de vuelos
Fuente: Elaboración propia, 2018
Código IATA Vuelos cancelados Vuelos demorados
3 4 188
4 253 43
5 0 1
6 1 8
9 134 42
12 0 3
13 0 10
14 0 13
15 1 46
16 133 22
18 0 17
19 0 12
21 0 1
22 0 1
24 0 2
31 0 7
32 0 12
33 0 3
34 2 32
35 0 6
36 0 39
36,1 0 6
37 0 5
39 0 25
41 96 644
42 33 62
43 54 363
44 27 108
45 2 3
46 0 97
47 0 2
48 10 14
51 41 160
52 14 325
52,1 1 3
Código IATA Vuelos cancelados Vuelos demorados
55 0 22
61 0 7
61,1 0 8
62 1 31
63 0 37
64 6 33
65 2 41
66 1 86
67 1 17
68 1 13
71 158 731
72 338 1171
73 20 100
76 2 7
77 1 32
81 53 805
82 1 1
83 3 289
84 1 142
85 0 8
86 0 37
87 8 447
88 22 78
89 10 72
89,1 104 1021
89,2 59 219
89,3 0 9
91 0 2
92 0 10
92,1 0 9
93 13 226
96 0 7
98 0 2
99 0 26
Total 1611 8071
76
Anexo C Descripción del procedimiento de despegue con causas de incumplimiento IATA
Fuente: Elaboración propia, 2018
Procedimiento Descripción Responsable Causas al estado no deseado
1. Llegada de tripulación
Llegada de la tripulación al aeropuerto en las horas estipuladas
En caso de faltar una persona de la tripulación por incapacidad se debe asignar un
nuevo miembro .
Tripulación 10. Operaciones de vuelo y tripulaciones: 63, 64, 66, 67
2. Revisión de
documentación y
antecedentes
El comandante recoge la documentación del viaje del casillero y se le informa
condiciones meteorológicas en los aeropuertos de salida destino y alternativo y toda la
ruta
Estudio de las partes de averías previas del avión y las soluciones que se han adoptado
para resolverlas y documentación técnica de la aeronave
Se realiza el plan de vuelo y este es entregado a la torre de control
Área despacho (Estudio de
información necesaria para el vuelo
entre peso, provisiones,
combustible, etc)
Piloto comandante (revisión de
información y análisis de plan de
vuelo, decisiones)
1. Cod. Interno: 4
3. Itinerarios: 9
6. Manejo de aeronaves y operación de rampa: 31
7. Equ. Tecnico y de aviones: 46, 47
10. Operaciones de vuelo y tripulaciones: 61, 61A, 63, 64, 66, 68
11. Restricciones por control de tráfico aéreo: 81
12. Autoridades gubernamentales y aeroportuarias: 89.1
13. Concecuencial: 93, 96
3. Limpieza de aeronave
y abastecimiento de
comida
Esta actividad depende de diferentes factores:
· Vuelo de larga o corta distancia
· Condiciones climatológicas.
· Hora de llegada
Al momento de hacer la limpieza dan prioridad a primera clase antes que la clase turista
y esto consta de pasar la aspiradora en el suelo, recoger la basura que dejaron los
pasajeros e, idealmente, limpiar las mesas plegables con una solución antibacteriana.
Depende del tiempo disponible, abastecimiento de alimentos e insumos para
pasajeros.
Área despacho (Estudio de
información necesaria para el vuelo
entre peso, provisiones,
combustible, etc)
Servicios generales de la aerolínea
(parte operativa del
procedimiento)
6. Manejo de aeronaves y operación de rampa: 34, 35, 37
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 68
4. Mantenimiento de
línea
Realizar revisión preventiva del avión (Puede ser entre vuelos o al finalizar su jornada)
y aquellos imprevistos que hayan sido informados
Servicio técnico o de
mantenimiento
1. Cod. Interno: 5
6. Manejo de aeronaves y operación de rampa: 34, 39
7. Equ. Tecnico y de aviones: 41, 42, 43, 44, 45
8. Daños al avión: 52, 52.1
5. Repostar el aviónSuministrar combustible a la aeronave Servicio técnico o de Servicios
generales
6. Manejo de aeronaves y operación de rampa: 36, 36.1
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62
6. Movimiento de
aeronave a puerta de
embarque
Remolcar el avión a la puerta de embarque asignada Equipo de rodaje
2. Otros: 6
6. Manejo de aeronaves y operación de rampa: 39
8. Daños al avión: 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87
7. Seguridad, check in de
equipaje, carga y
pasajeros
Revisión de las condiciones mínimas de seguridad de los pasajeros, equipajes, carga y/o
mercancía, con sus respectivas documentaciones.
Área de seguridad
Personal aerolinea.
4. Pasajeros y equipaje:12, 13, 14, 16, 18
5. Carga y correo: 21, 24
6. Manejo de aeronaves y operación de rampa: 32, 33
9. EDP: 55
13. Concecuencial: 91, 92, 92.1
8. Pre-Vuelo Revisión del equipo de emergencia mínimo requerido abordoTripulación
Area de despachos8. Daños al avión: 52, 52.1
9. Pre-AbordajeAbordaje y revisión de documentos de pasajeros especiales, Briefing a pax
especiales/Abordaje de maletas
Tripulación y personal de la
aerolínea
1. Cod. Interno: 3
4. Pasajeros y equipaje: 13, 15, 19
5. Carga y correo: 21, 22, 24
6. Manejo de aeronaves y operación de rampa: 32, 33
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 65
13. Concecuencial: 91, 92, 92.1
10. Abordaje revisión de documentos y Pasajeros a bordo. Briefing en salidas de emergenciaTripulación y personal de la
aerolínea
4. Pasajeros y equipaje: 13, 14, 15, 16
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62, 65
11. Encendido de
motores/taxeo
Verificar el correcto funcionamiento de las partes involucradas en el encendido de la
aeronave y motoresTripulación
7. Equ. Tecnico y de aviones: 41
8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 65
12. Autoridades gubernamentales y aeroportuarias: 89.1
12. Entrega de cabina y
cabina lista
Información suministrada al piloto con relación a los pasajeros abordados y autorización
de cerrar puertas para iniciar el rodaje.
Toda tripulación de una aeronave está pendiente y atenta de cualquier situación
anormal que pueda emerger
Tripulación8. Daños al avión: 52, 52.1
10. Operaciones de vuelo y tripulaciones: 62, 65
13. Solicitar datos para
puesta en marcha
Piloto se comunica con los controladores para puesta en marcha.
Los controlados dictan y los pilotos deben anotar: Identificación de la aeronave.
· Límite de la autorización (para las salidas el límite es la radio ayuda del aeródromo de
destino o el aeródromo de destino.
· Ruta y nivel de vuelo para toda la ruta o parte de ella y los cambios si corresponde
· La Salida normalizada por instrumentos (SID).
· Código radar
Piloto
Controladores (terreste y aéreo)
8. Daños al avión: 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87, 89, 89.1, 89.
14. Notificar listo remolque
y puesta en marcha
El control superficie notifica puesta en marcha, especificando que pistas están en uso.
el QNH y el viento para poder realizar su despacho de acuerdo con estas condiciones y
planificar su salida
Piloto solicita a rodaje, el remolque y puesta en marcha. Los controladores notifican
pista y posición en lista de espera para despegar.
Controlador
Piloto
Rodaje
6. Manejo de aeronaves y operación de rampa: 39
8. Daños al avión: 51, 52, 52.1
12. Autoridades gubernamentales y aeroportuarias: 87, 89, 89.1, 89.2
15. Revisión de cabina
Es el procedimiento que comprende el alistamiento de cabina en condiciones óptimas
de seguridad:
Todos los cinturones pasajeros abrochados (adultos y niños)
· Todas las mesas de servicio en posición vertical.
· Todos los compartimentos de equipaje (Bins) cerrados y asegurados.
· Todos los equipajes propiamente guardados.
· Todas las persianas abiertas.
· Espaldares en posición vertical
· Todos los elementos ofrecidos a pasajeros, guardados en el galley.
· Baños desocupados.
· Galleys asegurados, compartimentos seguros.
· Iluminación de cabina
Auxiliares de vuelo8. Daños al avión: 51, 52, 52.1
7. Equipo técnico y de aviones: 41, 48
16. Repaso silencioso
Es un repaso silencioso o revisión silenciosa, donde recordamos los procedimientos en
caso de cualquier situación inesperada.
· Leer los anuncios correspondientes y establecidos.
· Realizar o proyectar la demostración de los equipos de emergencia
Auxiliares de vuelo 8. Daños al avión: 51, 52, 52.1
17. DespegueToda la tripulación y pasajeros permanecen en su silla con el cinturón y el arnés
debidamente abrochado.piloto 8. Daños al avión: 51, 52, 52.1
77
Anexo D Matriz de transición de la cadena de Márkov modelo original
Fuente: Elaboración propia, 2018
Anexo E Matriz de transición del escenario 1
Fuente: Elaboración propia, 2018
Anexo F Matriz de transición del escenario 2
Fuente: Elaboración propia, 2018
Anexo G Matriz de transición del escenario 3
Fuente: Elaboración propia, 2018
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95244 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04756
3 0 0 0 0,99898 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00102
4 0 0 0 0 0,97392 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02608
5 0 0 0 0 0 0,99812 0 0 0 0 0 0 0 0 0 0 0 0 0,00188
6 0 0 0 0 0 0 0,99416 0 0 0 0 0 0 0 0 0 0 0 0,00584
7 0 0 0 0 0 0 0 0,99705 0 0 0 0 0 0 0 0 0 0 0,00295
8 0 0 0 0 0 0 0 0 0,99964 0 0 0 0 0 0 0 0 0 0,00036
9 0 0 0 0 0 0 0 0 0 0,99429 0 0 0 0 0 0 0 0 0,00571
10 0 0 0 0 0 0 0 0 0 0 0,99631 0 0 0 0 0 0 0 0,00369
11 0 0 0 0 0 0 0 0 0 0 0 0,99146 0 0 0 0 0 0 0,00854
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99939 0 0 0 0 0 0,00061
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98913 0 0 0 0 0,01087
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98727 0 0 0 0,01273
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99642 0 0 0,00358
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99849 0 0,00151
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99714 0,00286
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95244 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04756
3 0 0 0 0,99898 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00102
4 0 0 0 0 0,97392 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02608
5 0 0 0 0 0 0,99812 0 0 0 0 0 0 0 0 0 0 0 0 0,00188
6 0 0 0 0 0 0 0,99416 0 0 0 0 0 0 0 0 0 0 0 0,00584
7 0 0 0 0 0 0 0 0,99705 0 0 0 0 0 0 0 0 0 0 0,00295
8 0 0 0 0 0 0 0 0 0,99964 0 0 0 0 0 0 0 0 0 0,00036
9 0 0 0 0 0 0 0 0 0 0,99429 0 0 0 0 0 0 0 0 0,00571
10 0 0 0 0 0 0 0 0 0 0 0,99631 0 0 0 0 0 0 0 0,00369
11 0 0 0 0 0 0 0 0 0 0 0 0,99146 0 0 0 0 0 0 0,00854
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99939 0 0 0 0 0 0,00061
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98913 0 0 0 0 0,01087
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98727 0 0 0 0,01273
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99642 0 0 0,00358
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99849 0 0,00151
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99714 0,00286
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95287 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04713
3 0 0 0 0,99898 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00102
4 0 0 0 0 0,97804 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02196
5 0 0 0 0 0 0,99812 0 0 0 0 0 0 0 0 0 0 0 0 0,00188
6 0 0 0 0 0 0 0,99416 0 0 0 0 0 0 0 0 0 0 0 0,00584
7 0 0 0 0 0 0 0 0,99705 0 0 0 0 0 0 0 0 0 0 0,00295
8 0 0 0 0 0 0 0 0 0,99964 0 0 0 0 0 0 0 0 0 0,00036
9 0 0 0 0 0 0 0 0 0 0,99429 0 0 0 0 0 0 0 0 0,00571
10 0 0 0 0 0 0 0 0 0 0 0,99631 0 0 0 0 0 0 0 0,00369
11 0 0 0 0 0 0 0 0 0 0 0 0,99190 0 0 0 0 0 0 0,00810
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99939 0 0 0 0 0 0,00061
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98913 0 0 0 0 0,01087
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98727 0 0 0 0,01273
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99689 0 0 0,00311
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99849 0 0,00151
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99714 0,00286
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95244 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04756
3 0 0 0 0,99904 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00096
4 0 0 0 0 0,97401 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02599
5 0 0 0 0 0 0,99822 0 0 0 0 0 0 0 0 0 0 0 0 0,00178
6 0 0 0 0 0 0 0,99427 0 0 0 0 0 0 0 0 0 0 0 0,00573
7 0 0 0 0 0 0 0 0,99729 0 0 0 0 0 0 0 0 0 0 0,00271
8 0 0 0 0 0 0 0 0 0,99969 0 0 0 0 0 0 0 0 0 0,00031
9 0 0 0 0 0 0 0 0 0 0,99434 0 0 0 0 0 0 0 0 0,00566
10 0 0 0 0 0 0 0 0 0 0 0,99636 0 0 0 0 0 0 0 0,00364
11 0 0 0 0 0 0 0 0 0 0 0 0,99151 0 0 0 0 0 0 0,00849
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99944 0 0 0 0 0 0,00056
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98918 0 0 0 0 0,01082
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98746 0 0 0 0,01254
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99669 0 0 0,00331
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99877 0 0,00123
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99769 0,00231
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
78
Anexo H Matriz de transición del escenario 4
Fuente: Elaboración propia, 2018
Anexo I Matriz de transición del escenario 5
Fuente: Elaboración propia, 2018
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95480 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04520
3 0 0 0 0,99898 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00102
4 0 0 0 0 0,97394 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02606
5 0 0 0 0 0 0,99812 0 0 0 0 0 0 0 0 0 0 0 0 0,00188
6 0 0 0 0 0 0 0,99416 0 0 0 0 0 0 0 0 0 0 0 0,00584
7 0 0 0 0 0 0 0 0,99705 0 0 0 0 0 0 0 0 0 0 0,00295
8 0 0 0 0 0 0 0 0 0,99964 0 0 0 0 0 0 0 0 0 0,00036
9 0 0 0 0 0 0 0 0 0 0,99495 0 0 0 0 0 0 0 0 0,00505
10 0 0 0 0 0 0 0 0 0 0 0,99631 0 0 0 0 0 0 0 0,00369
11 0 0 0 0 0 0 0 0 0 0 0 0,99146 0 0 0 0 0 0 0,00854
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99939 0 0 0 0 0 0,00061
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98913 0 0 0 0 0,01087
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,98727 0 0 0 0,01273
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99642 0 0 0,00358
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99849 0 0,00151
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99714 0,00286
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Matriz 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Cumplidos No planeados
1 0 0,99799 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00201
2 0 0 0,95782 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,04218
3 0 0 0 0,99904 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00096
4 0 0 0 0 0,97814 0 0 0 0 0 0 0 0 0 0 0 0 0 0,02186
5 0 0 0 0 0 0,99822 0 0 0 0 0 0 0 0 0 0 0 0 0,00178
6 0 0 0 0 0 0 0,99519 0 0 0 0 0 0 0 0 0 0 0 0,00481
7 0 0 0 0 0 0 0 0,99729 0 0 0 0 0 0 0 0 0 0 0,00271
8 0 0 0 0 0 0 0 0 0,99969 0 0 0 0 0 0 0 0 0 0,00031
9 0 0 0 0 0 0 0 0 0 0,99500 0 0 0 0 0 0 0 0 0,00500
10 0 0 0 0 0 0 0 0 0 0 0,99636 0 0 0 0 0 0 0 0,00364
11 0 0 0 0 0 0 0 0 0 0 0 0,99326 0 0 0 0 0 0 0,00674
12 0 0 0 0 0 0 0 0 0 0 0 0 0,99944 0 0 0 0 0 0,00056
13 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99269 0 0 0 0 0,00731
14 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99116 0 0 0 0,00884
15 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99716 0 0 0,00284
16 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99877 0 0,00123
17 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,99769 0,00231
Cumplidos 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
No planeados 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1