Metodología para la determinación de los parámetros de planificación de los nodos e infraestructuras logísticas en un territorio, considerando en su planificación el impacto sobre los diferentes componentes territoriales

Resumen

Esta tesis presenta el diseño y la aplicación de una metodología
que permite la determinación de los parámetros para la planificación
de nodos e infraestructuras logísticas en un territorio, considerando
además el impacto de estas en los diferentes componentes territoriales,
así como en el desarrollo poblacional, el desarrollo económico y el
medio ambiente, presentando así un avance en la planificación integral
del territorio. La Metodología propuesta está basada en Minería de Datos, que
permite el descubrimiento de patrones detrás de grandes volúmenes
de datos previamente procesados. Las características propias de los
datos sobre el territorio y los componentes que lo conforman hacen
de los estudios territoriales un campo ideal para la aplicación de
algunas de las técnicas de Minería de Datos, tales como los ´arboles
decisión y las redes bayesianas. Los árboles de decisión permiten
representar y categorizar de forma esquemática una serie de variables de predicción que ayudan al análisis de una variable objetivo. Las
redes bayesianas representan en un grafo acíclico dirigido, un modelo
probabilístico de variables distribuidas en padres e hijos, y la inferencia
estadística que permite determinar la probabilidad de certeza de una
hipótesis planteada, es decir, permiten construir modelos de probabilidad
conjunta que presentan de manera gráfica las dependencias relevantes
en un conjunto de datos. Al igual que con los árboles de decisión,
la división del territorio en diferentes unidades administrativas hace
de las redes bayesianas una herramienta potencial para definir las
características físicas de alguna tipología especifica de infraestructura
logística tomando en consideración las características territoriales,
poblacionales y económicas del área donde se plantea su desarrollo
y las posibles sinergias que se puedan presentar sobre otros nodos e infraestructuras logísticas.
El caso de estudio seleccionado para la aplicación de la metodología
ha sido la República de Panamá, considerando que este país presenta
algunas características singulares, entra las que destacan su alta
concentración de población en la Ciudad de Panamá; que a su vez a
concentrado la actividad económica del país; su alto porcentaje de zonas
protegidas, lo que ha limitado la vertebración del territorio; y el Canal de Panamá y los puertos de contenedores adyacentes al mismo.
La metodología se divide en tres fases principales: Fase 1:
Determinación del escenario de trabajo 1. Revisión del estado del arte.
2. Determinación y obtención de las variables de estudio. Fase 2:
Desarrollo del modelo de inteligencia artificial 3. Construcción de los
´arboles de decisión. 4. Construcción de las redes bayesianas. Fase 3:
Conclusiones 5. Determinación de las conclusiones.
Con relación al modelo de planificación aplicado al caso de estudio, una
vez aplicada la metodología, se estableció un modelo compuesto por 47
variables que definen la planificación logística de Panamá, el resto de
variables se definen a partir de estas, es decir, conocidas estas, el resto
se definen a través de ellas. Este modelo de planificación establecido a
través de la red bayesiana considera los aspectos de una planificación
sostenible: económica, social y ambiental; que crean sinergia con la
planificación de nodos e infraestructuras logísticas. The thesis presents the design and application of a methodology that
allows the determination of parameters for the planning of nodes and
logistics infrastructure in a territory, besides considering the impact of
these different territorial components, as well as the population growth,
economic and environmental development. The proposed methodology is based on Data Mining, which allows the
discovery of patterns behind large volumes of previously processed data.
The own characteristics of the territorial data makes of territorial studies
an ideal field of knowledge for the implementation of some of the Data
Mining techniques, such as Decision Trees and Bayesian Networks.
Decision trees categorize schematically a series of predictor variables of
an analyzed objective variable. Bayesian Networks represent a directed
acyclic graph, a probabilistic model of variables divided in fathers and
sons, and statistical inference that allow determine the probability of
certainty in a hypothesis. The case of study for the application of the methodology is the Republic
of Panama. This country has some unique features: a high population
density in the Panama City, a concentration of economic activity, a high
percentage of protected areas, and the Panama Canal.
The methodology is divided into three main phases: Phase 1: definition
of the work stage. 1. Review of the State of the art. 2. Determination of
the variables. Phase 2: Development of artificial intelligence model 3.
Construction of decision trees. 4. Construction of Bayesian Networks.
Phase 3: conclusions 5. Determination of the conclusions. The application of the methodology to the case study established a
model composed of 47 variables that define the logistics planning
for Panama. This model of planning established through the Bayesian
network considers aspects of sustainable planning and simulates the
synergies between the nodes and logistical infrastructure planning.