turn off anonymous marking

This is a preview of the print version of your report. Please click "print" to continue or "done" to close this window.

DECIMOQUINTA CONVOCATORIA PARA EL FOMENTO DE LA INVESTIGACIÓN Y LA INNOVACIÓN 2020 ANÁLISIS DE OPERACIONES AEROPORTUARIAS Y DE TRANSPORTE AÉREO Campo de acción Transdisciplinariedad - Aporte al PIM Línea del PIM con la que se vincula el proyecto => Línea 3: Proyección social e Desarrollo tecnológico con apuesta social investigación pertinente (''Focalizar y articular la investigación y la proyección social USTA Colombia con visibilidad e impacto nacional y global''). Articulación con funciones sustantivas y el sector social y productivo La investigación y los resultados generados podrán tener una utilidad real para las instituciones relacionadas (Aerocivil, ANI, DNP, MinTransporte, etc.), sobre todo para la toma de decisiones (de política pública y de inversiones), optimización (de operaciones), planificación (de procesos) y desarrollo futuro de infraestructuras. Se puede afirmar que la investigación a desarrollar en el proyecto aquí propuesto es de carácter aplicado al 100%, lo que garantiza una ''proyección social'' de los resultados de la investigación científica prevista. Y finalmente mencionar que el proyecto, y sus resultados, se articula perfectamente con las líneas de acción declaradas en el principal grupo de investigación asociado al proyecto (Grupo de Investigación de la Facultad de Ingeniería Civil- GIFIC). Grupo de investigación Línea de investigación en la que se inscribe el proyecto Grupo de investigación: GIFIC / Línea de investigación: TRANSPORTE, TRÁNSITO Y MOVILIDAD Nombre del Investigador principal Enlace CvLAC Enlace ORCID Enlace Google Académico Díaz Olariaga, Oscar http://scienti.colciencias.gov.co:8081/cvlac/visualizador/ https://orcid.org/0000- https://scholar.google.com/ Eduardo generarCurriculoCv.do?cod_rh=0001561684 0002-4858-3677 citations?user=v4XBXJAAAAAJ&hl=es División Ingenierías Nombre del Co- investigador Pulido Moreno, Luis Manuel Facultad Ingeniería Civil Enlace CvLAC https://scienti.colciencias.gov.co/cvlac/visualizador/ generarCurriculoCv.do?cod_rh= 0001124501 Programa Grupo de investigación Ing. Civil GIFIC Enlace ORCID Enlace Google Académico https://orcid.org/0000- https://scholar.google.es/ 0002-8299-5157 citations?hl=es&user= 8Ec9O5AAAAAJ División Facultad Programa Grupo de investigación Ingenierías Ingeniería Industrial Ing. Industrial GIPO Nombre del Co- investigador Zea Castro, José Fernando División CC. Económicas y Administrativas Nombre del Co- investigador Tascón Hoyos, Diana Carolina División VUAD Enlace CvLAC Enlace ORCID Enlace Google Académico http ://scienti.colciencias.gov.co: 8081 /cvlac/ visualizador/generarCurriculoCv.do?cod_rh= 0001422989 https://orcid.org/0000-https://scholar.google.es/citations?hl=es&user= M- 0002- 30-5EAAAAJ Facultad Programa Grupo de investigación Estadística Estadística Ustadística Enlace CvLAC Enlace ORCID Enlace Google Académico https://scienti.colciencias.gov.co/cvlac/visualizador/ https://orcid.org/0000- generarCurriculoCv.do?cod_rh=0001411371 0002-8935-3800 https://scholar.google.es/ citations?user=zM32UPIAAAAJ&hl=es Facultad Programa Grupo de investigación Ingeniería en Ciencias y Tecnologías Logística y Operaciones Gestión en Ciencia, Innovación, Tecnologías y Organizaciones Resumen de la propuesta Palabras clave El proyecto, que aquí se presenta y propone, tiene como objetivo estudiar, analizar y evaluar las características y comportamiento de ciertas operaciones que se realizan tanto en un aeropuerto como en un sistema de aeropuertos (a nivel de red). Como caso de estudio se utilizará la red de aeropuertos de Colombia (en conjunto) y de forma individual algunos de los aeropuertos más importantes del sistema. Este proyecto es una continuidad de cuatro proyectos anuales anteriores (2016-2019) (y que ha generado casi 50 productos de investigación, entre operaciones de aeronaves, gestión de aeropuertos, eficiencia operacional, artículos en revistas indexadas y en eventos científicos internacionales, además de transporte aéreo, dinámica de sistemas, analítica de datos, análisis de redes, una docena de trabajos de grado), no es un proyecto monotemático sino de una análisis exploratorio de datos. línea, enfoque, tratamiento y desarrollo fuertemente multidisciplinar, aunque siempre en el campo del transporte aéreo. La estrecha y fluida cooperación existente con las instituciones relacionadas (Aerocivil, ANI, etc.) concede al equipo de investigación acceso casi ilimitado a grandes base de datos (Big Data) existentes, y disponer de este Big Data es esencial para llevar a cabo todos los análisis / cálculos / simulaciones previstas. Problema de investigación Los elementos para plantear un problema de investigación son tres y están relacionados entre sí: los objetivos de la investigación, las preguntas de investigación y la justificación. Los objetivos (generales y específicos) y la justificación se desarrollados en siguientes apartados (según el diseño del presente formato), por lo que a continuación se presentan / formulan las ''preguntas de investigación''. Preguntas de investigación: 1) ¿en qué medida influye o afecta la eficiencia operacional en el desarrollo del aeropuerto? 2) ¿influye el diseño / configuración de los elementos del área de maniobras de un aeropuerto en la eficiencia de las operaciones en dicha área? ¿y en qué medida? ¿se puede cuantificar? 3) ¿cuáles son los factores que afecta a la demanda de transporte aéreo? 4) ¿en qué grado influye / impacta la gobernanza y gestión del aeropuerto en su eficiencia, y en desarrollo de su tráfico? 5) ¿cuál es la tendencia (y que la influye / impacta) del desarrollo de tráfico aéreo, a nivel de red, a nivel de rutas y a nivel de aeropuertos individuales? 6) ¿cuáles son las causas de los retrasos de los vuelos? ¿se pueden disminuir o incluso eliminar dichos retrasos? ¿cómo? Justificación Los aeropuertos funcionan en una compleja ''estructura de red'', esto implica que las operaciones y procesos que se desarrollan en un aeropuerto tienen su influencia (o impacto) en el resto de aeropuertos de la red. Colombia cuenta con una importante red aeroportuaria, donde destaca su aeropuerto distribuidor (o aeropuerto hub), Bogotá-El Dorado (primer terminal por carga aérea y tercero por pasajeros de Latinoamérica), pero últimamente han cobrado relevancia otros aeropuertos de la red, como los de las ciudades de Rionegro, Medellín, Cali, Cartagena, Barranquilla, Bucaramanga, Pereira y Armenia. Y se estima que en pocos años, gracias a las macro inversiones en ejecución y planificadas por el gobierno, otros aeropuertos de la red adquieran una importancia estratégica, como de seguro será el caso del nuevo aeropuerto para Bogotá (por ahora conocido como ''El Dorado II'') actualmente en desarrollo. Entonces, dada la dinámica de desarrollo de la actividad aeroportuaria en el país, se vuelve necesario, sino vital, analizar la funcionalidad y eficiencia de ciertas operaciones de un aeropuerto y del sistema de aeropuertos colombinos (en conjunto). Los resultados de las diferentes líneas de análisis en que se desarrolle el proyecto, contribuirán a la generación de productos originales y novedosos que conducirán a la ''generación de nuevo conocimiento'', ''apropiación social del conocimiento'' y ''formación de recurso humano (trabajos de grado y/o posgrado)''. Y por otro lado, dichos resultados podrán también tener una utilidad real para las instituciones implicadas (Aerocivil, ANI, etc.), sobre todo para la toma de decisiones (de política pública y de inversiones), optimización (de operaciones), planificación (de procesos) y desarrollo futuro de infraestructuras. Se puede afirmar que la investigación a desarrollar en el proyecto aquí propuesto de de carácter aplicado al 100%, lo que garantiza una ''proyección social'' de los resultados de la investigación científica prevista. En definitiva, la oportunidad de acercar soluciones metodológicas y operativas a la industria aeroportuaria / aviación colombiana, como así también la posibilidad de crear ''escuela'' en este campo de conocimiento (que refuerza a la USTA como líder nacional en investigación en ''transporte aéreo''), son la base de motivación, y por lo tanto de justificación, para presentar esta solicitud de financiación de proyecto. Objetivo general Estudiar, analizar y evaluar un conjunto de operaciones aeroportuarias (p.e. operación de aeronaves en áreas de maniobra, retrasos de vuelos, comportamiento del tráfico aéreo a nivel de red), donde como caso de estudio (o de aplicación) se escoge aeropuertos del sistema aeroportuario colombiano y/o toda la red completa. Objetivos específicos a) Análisis de los retrasos en los vuelos y su impacto en la red de aeropuertos. Metodología a utilizar: Analítica de datos. b) Análisis del comportamiento de la demanda (para aeropuertos individuales y en conjunto - red completa). Metodología a utilizar: Dinámica de Sistemas. c) Análisis del comportamiento del tráfico en la red aeroportuaria colombiana. Metodología a utilizar: Análisis de redes y análisis exploratorio de datos. d) Análisis sobre el desarrollo del nuevo aeropuerto El Dorado II y su relación con el actual El Dorado.. Metodología a utilizar: interdisciplinario. Estado del arte y marco conceptual Base de investigación Como se dijo en el resumen de la propuesta el presente proyecto es multitemático y multidisciplinar, es decir, se investigarán varias problemáticas y situaciones, eso sí, todas ellas del campo del transporte aéreo e ingeniería aeroportuaria. Por ello, el proyecto implicará desarrollo y cálculo computacional en temáticas que deberán ser abordadas desde metodologías muy específicas, a saber: dinámica de sistemas, analítica de datos, análisis de redes y análisis exploratorio de datos, sin descartar otras metodologías que se requieran si la investigación así lo exige (como p.e., investigación de operaciones, análisis envolvente de datos, modelización de series de tiempo, modelos lineales dinámicos, etc.). Por todo ello, a continuación, en el marco conceptual, se desarrolla (dentro del alcance y/o extensión del presente formato de propuesta de proyecto) las metodologías a utilizar en la investigación. Dinámica de sistemas Dinámica de Sistemas es un enfoque que incorpora un conjunto de herramientas que favorece la comprensión de entornos complejos. Estas herramientas incluyen diagramas de causalidad, que ayudan al pensamiento sistémico de los administradores de procesos, representar la complejidad dinámica del sistema de interés y simular el modelo, lo cual le permite valorar las consecuencias de las interacciones entre las variables, prever efectos colaterales de largo plazo de políticas de decisión a ejercer sobre el sistema y explorar sistemáticamente nuevas estrategias desarrollando el entendimiento de sistemas complejos (Sterman, 2000). Esta metodología fue desarrollada finalizando los años 50 por Jay W. Forrester y sus colegas en el MIT Sloan School of Management con el establecimiento del grupo del MIT System Dymaics Group (Bonev, 2012). Forrester introdujo esta metodología como una herramienta para el modelamiento y la simulación, para el análisis y toma de decisiones de largo plazo en problemas de la dinámica industrial (Forrester, 2009). El propósito general de la implementación de dinámica de sistemas es explicar el desempeño generado por la estructura de determinado sistema y proveer recomendaciones sobre acciones y decisiones que propendan por el entendimiento y mejora en el desempeño del sistema. Como metodología, Dinámica de Sistemas utiliza el modelamiento y una técnica de simulación especialmente diseñada para problemas dinámicos y de largo plazo (Bonev, 2012). Se enfoca entender la interacción entre procesos físicos, flujos de información y políticas de decisión. (Vlachos, Georgiadis, & Iakovou, 2006). A través de un sistema de simulación asistido computacionalmente se estudia el comportamiento de flujos (de información o entidades físicas) y de los ciclos de realimentación inherentes al sistema. Los modelos de simulación usados por la Dinámica de Sistemas tienen la capacidad de incorporar tanto variables cuantitativas como cualitativas (Bonev, 2012). Con lo que se amplían las capacidades del enfoque para abordar problemas complejos. Desde su introducción, Dinámica de Sistemas ha sido aplicada a diversos problemas de definición de políticas y estrategias organizacionales. Acorde con Sterman (2000); las siguientes son las fases que acarrea la implementación de este enfoque: a) Definición del problema b) Formulación de una hipótesis dinámica c) Formulación del modelo de simulación d) Testeo del modelo e) Diseño y evaluación de políticas. Durante la definición de problema se definen los límites del sistema a tratar y se evalúa le comportamiento histórico de los conceptos clave que se usarán en la formulación de la simulación. La formulación de la hipótesis dinámica implica la definición de los elementos relevantes para el sistema y sus interrelaciones evidenciadas o esperadas; en esta fase se crean diagramas de causalidad para facilitar el entendimiento de estas interrelaciones. La formulación del modelo de simulación conlleva a la definición más precisa de las variables, parámetros, así como especificar las relaciones de causalidad mediante modelación matemática. Este paso envuelve la traducción del modelo conceptual hacia un modelo de estructuras de flujos y niveles en el que se usan ecuaciones; condicionales; decisiones y supuestos razonables; así basados en la estructura actual del sistema las relaciones funcionales se describen matemáticamente. El testeo se refiere a examinar la validez del modelo, Los resultados del modelo se comparan con los referentes históricos con el ánimo de verificar si el comportamiento modelado es comparable con la realidad. Finalmente, el diseño y evaluación de políticas se realiza con el fin de evaluar el impacto que posibles políticas de intervención tendrían sobre el sistema mediante el uso de la simulación de posibles escenarios. Analítica de datos Los análisis de datos avanzados permiten a las organizaciones tener una visión completa o de"360 grados" de sus operaciones y procesos. La información que obtienen de dichos análisis se utiliza para dirigir, optimizar y automatizar su toma de decisiones. La analítica de datos es un término general que simplemente significa aplicar varias técnicas analíticas avanzadas a los datos para responder preguntas o resolver problemas. No es una tecnología en sí misma, sino una metodología que utiliza un grupo de herramientas, y en combinación entre sí, para obtener información, analizar esa información y predecir los resultados de las soluciones de problemas. La integración de datos y la minería de datos son la base para el análisis avanzado. A mayor cantidad de información que se recopila e integra se permite más reconocimiento de patrones e identificación de relaciones. El análisis estadístico es otro componente muy importante en la analítica de datos para ver las tendencias y patrones en los datos. Algunas otras técnicas utilizadas para manipular los datos son la lógica difusa, el tratamiento de datos incompletos o ambiguos, y las redes neuronales para anticipar decisiones y ayudar en el análisis predictivo que ayuda a predecir resultados probables (Wu et al, 2006). La minería de datos es una poderosa tecnología emergente para la extracción automática de patrones, asociaciones, cambios, anomalías y estructuras significativas de los datos. Estos patrones descubiertos a partir de datos, juegan un papel crítico en la toma de decisiones porque revelan áreas para la mejora de procesos. La mayor parte del valor de la minería de datos proviene del uso de la tecnología para mejorar el modelado predictivo (Wang y Wang, 2008; Dorre et al., 1999; Oliveira et al., 2004 ). Las investigaciones relacionadas sugieren que los análisis avanzados serán la fuerza impulsora en el campo de las BI (Business Intelligence) durante algún tiempo. Las organizaciones que actualmente están en el proceso de abarcar cada etapa de la evolución de BI, tradicionalmente se han enfocado en que son herramientas necesarias para conseguir un mejor desempeño organizacional con la siguiente secuencia: la captura de datos, la arquitectura de datos y la entrega de información para la toma de decisiones. Estas aplicaciones suelen ser impulsadas por motores de reglas de procesos (que aplican condiciones lógicas para determinar cómo debe manejarse un determinado caso) o por modelos predictivos (que identifican de forma probabilística la acción más probable para lograr los resultados deseados). La arquitectura organizacional del BI consta de los siguientes componentes: • Integración de datos: capacidades para conectividad de datos estructurada y no estructurada (como texto), calidad de datos, ETL (extracción, transformación y carga), migración de datos, sincronización de datos y muestreo de datos. • Análisis avanzados: capacidades de minería de datos, texto y web, sistemas de visualización, sistemas de recomendación, modelado predictivo y descriptivo, pronóstico, optimización, simulación y más. • Administración de la inteligencia: capacidades para entregar el BI oportunamente para tomar decisiones efectivas. No solo cada uno de estos componentes debe estar integrado dentro de la arquitectura de BI, sino que también debe ser compatible con las inversiones en software utilizados normalmente para la BI. Una arquitectura integral de BI será capaz de acceder al centro en cualquier momento, sin importar qué sistema operativo se esté utilizando. Si es necesario, transformará los datos en el formato requerido, los almacenará adecuadamente, los analizará a fondo y difundirá la inteligencia a los usuarios a través de interfaces familiares. El análisis avanzado debe integrarse fácilmente en el componente de entrega de inteligencia para que los resultados se puedan compartir con los tomadores de decisiones. Las tecnologías de implementación deben incluir una amplia gama de algoritmos, técnicas de visualización, exploración flexible de datos y capacidades de manipulación que produzcan modelos precisos. Los resultados deben entregarse en un formato que incluso los usuarios no técnicos puedan entender, utilizando términos cotidianos para explicar los resultados. Análisis de redes y Análisis exploratorio de datos Las redes pueden ser dirigidas o no dirigidas, las redes no dirigidas no disponen de dirección, simplemente establece una relación. Las redes dirigidas disponen de dirección, como por ejemplo del transporte aéreo. Uno de los aspectos que se aborda en el presente proyecto conocer, analizar y evaluar la estructura dinámica de la red de transporte aéreo de Colombia, aunque se pueden realizar aportes importantes al analizar las estructuras estáticas de las redes de transporte aéreo, se requiere el uso de métodos avanzados de la ciencia de datos y el análisis de redes para caracterizar los cambios en la red de trasporte aéreo. La red de trasporte aéreo se aborda considerando la localización de los aeropuertos (nodos o vértices) y un conjunto de enlaces (conocidos como links o edges en inglés) que representan los vuelos. En su concepción más simple, la red puede ser considerado mediante una matriz, de tamaño N x N (donde N es el número de nodos), cuyas entradas son 1 si hay al menos un vuelo entre el nodo i y el nodo j y cero en otros casos. También se pueden asociar pesos a los nodos considerando por ejemplo el número de vuelos, en este caso en una matriz que se determina a tal efecto. Los enlaces pueden ser director o indirectos, dependiendo si se considera el origen o el destino o se agregan los vuelos. Dos medidas fundamentales de la red se abordan el grado de cada nodo y la fuerza del nodo: 𝑘𝑖 = ∑𝑁𝑖=1𝑎𝑖𝑖y 𝑠𝑖 = ∑𝑁𝑖=1𝑤𝑖𝑖 en donde 𝑎𝑖𝑖toma el valor de uno si hay conexión entre el nodo i y el nodo j, cero en otros casos y 𝑤𝑖𝑖toma un valor positivo asociado al número de vuelos entre el nodo i y el nodo j. Estas cantidades indican el número de nodos secundarios y además permiten calcular la centralidad del nodo la cual mide la importancia del nodo en este caso en la red de transporte aéreo. Se abordan otras medidas de la red como son la inter-centralidad y métodos como la clasificación de nodos en la red. Otros aspectos que se abordarán son la caracterización de las rutas a través de diferentes herramientas exploratorias, dashboard, que permiten comprender las dinámicas de la red de transporte aéreo del país. Estadísticas de una red: ? Tamaño de una red: es el número de miembros (actores) de la red, también se le llama nodos o vértices. ? Enlaces de la red: se le denomina también interacciones, se denota como L, el número de enlaces en la red. ? Número posible de enlaces de la red: esta cantidad depende de si la red es dirigida o no. Para una red dirigida con k actores el número de posible interacciones es: 𝑘𝑃2 = (𝑖𝑖−!2)! = 𝑘(𝑘 − 1), En esta clase de redes el rol de los dos actores debe tenerse en cuenta. Para una red no dirigida el número de interacciones es: ? ? ? ? ? ( ) = 𝑖(𝑖−1) 𝑘 2 2 , Para este tipo de red, el rol que tiene los actores es el mismo por lo cual no es necesario tener en cuenta el orden de los actores en esa conexión. Densidad de una red: se define la densidad como el número de enlaces de la red sobre el número posible de interacciones de una red. Para una red dirigida es: 𝐷= 𝐿 𝑘(𝑘 − 1) Para una red no dirigida la expresión es: 𝐷= 𝐿 2𝑘(𝑘 − 1) Componentes: es un subgrupo en donde todos los actores están conectados directa o indirectamente. El análisis de componentes permite el análisis de comunidades de la red. Diámetro: mide que tan compacta es una red. El diámetro se calcula tomando el valor máximo del cálculo de cada uno de los pasos más corto entre cada combinación posible de cada par de nodos. Por ejemplo si se disponen de tres nodos (A, B y C), para cada par de nodos A, B, A y C, y B y C se calcula el menor número de pasos para conectar esos dos nodos, posteriormente se toma el máximo valor obtenido. Esta es una medida de que tan compacta o eficiente es una red, el diámetro refleja el peor escenario para enviar información a través de la red. El diámetro de una red, solo está definido para redes de un componente. Coeficiente de agrupamiento: se utiliza para cuantificar que tan agrupados están los grafos la transitividad: se define como la proporción de triángulos cerrados (triadas donde los tres uniones se observan) sobre el total de triángulos abiertos y cerrados (triadas donde dos o tres enlaces se observan). Así al igual que la densidad la transitividad es una razón que puede variar entre cero y uno. Por otro lado también se llevará a cabo un análisis exploratorio de datos que permita entender la dinámica de las rutas. Se calcularan las principales rutas, aeropuertos y algunas cifras relevantes, se utilizan diferentes gráficos (diagramas de barras, diagramas de cajas, series temporales) que permitan un entendimiento de la dinámica del transporte aéreo. Metodología a) Análisis, tratamiento / depuración de las BBDDs ya disponibles. b) Consecución de BBDDs adicionales (solicitud a las instituciones relacionados), si las mismas no existen hay que generarlas (p.e. vía encuestas, aforos, trabajo de pasantes en las instituciones relacionadas, etc.). c) Configuración de los equipos de trabajo en función de las líneas de investigación, las cuales están ''ancladas'' a los objetivos específicos. d) Como el equipo de investigadores del presente proyecto en fuertemente multidisciplinar se trabajará con diversas herramientas software, según sea el caso de análisis (y en base a las metodologías citadas en el Marco Conceptual), por ejemplo, para el tratamiento estadístico de los datos se realizará con, p.e.: STATA, R, SPSS, EVIEWS, SAS, Statgraphics, Minitab, OX; para el trabajo de simulación de procesos (vinculado a las operaciones) se trabajará con, p.e.: R, M, Python, Julia, Gams, AMPL; para los trabajos de geo-referenciación se utilizará ArcGIS; y como técnicas de optimización / modelización se utilizarán, p.e.: Particle Swarm Optimization, Artificial Bee Colony, Sequential Forward Selection, Sequential Floating Forward Selection. e) Socialización de los resultados: envío de artículos a publicación en revistas indexadas de alta categorización (Q1, Q2, Q3) y a eventos científicos de alto impacto (congresos internacionales). Resultados esperados Productos comprometidos: A. Producción bibliográfica (generación de nuevo conocimiento): dos (2) artículos en revista indexada (Q1 o Q2 o Q3 o Q4) B. Apropiación social y circulación del conocimiento: dos (2) artículos a presentar en dos eventos científicos internacionales diferentes (ambos en el extranjero) C. Actividades de formación: dos (2) trabajos de grado-pregrado Para la consecución del item B se deberá financiar la movilidad (al 100%) a los dos eventos de gran impacto internacional en el campo del transporte, a saber: 1) XXI Congreso Panamericano de Ingeniería de Tránsito, Transporte y Logística, Quito (Ecuador). 2) XIV Conference on Transport Engineering, Madrid (España). Por ello, y mediante la presente propuesta, se solicita la aprobación, autorización y financiación de ambas movilidades internacionales. Cronograma ACTIVIDADE RESPONSABL FECH A FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE S E Inici Fin o . 1 2 3 4 5 6 7 8 9 10 1 1 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 28 29 30 31 32 33 34 35 36 37 38 39 40 41 Conf. equipos de trabajo Investigador principal Análisis estado del arte (de todas las sublíneas de investigación) Investigador principal y equipo Tratamiento y gestión de BBDDs Investigador principal y equipo Edición de artículos para revistas y congresos. Participación en congresos Investigador principal y equipo Dirección de trabajos de grado-pregrado Investigador principal Informe final de proyecto Investigador principal Concepto Horas Nomina (Investigador Principal) Horas Nomina (Co- Investigadores) Presupuesto Horas nómina Nombre Escalafón Horas mes Díaz Olariaga, Oscar Eduardo 5 80 Pulido Moreno, Luis Manuel Tascón Hoyos, Diana Carolina Zea Castro, José Fernando 2 3 3 20 20 20 Sede / Seccional o Externo Bogotá Bogotá VUAD-Bogotá Bogotá Total ($) 35.000.000 5.363.800 6.438.800 6.438.800 FINANCIACIÓN RECURSO DESCRIPCIÓN Valor Valor partida contrapartida (Externa) Total ($) Servicios Técnicos $ 0 RUBROS Salidas de campo $ 0 Equipos $ 0 Materiales, insumos y software $ 0 Papelería $ 0 Fotocopias $ 0 Material bibliográfico BOLSAS Auxilio de transporte $ 0 Movilidad Dos movilidades internacionales (completas), una a Ecuador y otra a España. $ 24.000.000 Publicaciones (Artículos, proceso editorial y traducción) Traducción de artículos científicos (español => inglés) $ 8.000.000 TOTAL DEL PROYECTO: $ 32.000.000 Referencia bibliográficas Bibliografía citada en el Marco Conceptual y otra de soporte: Adomavicius, G. and Tuzhilin, A. (2005), Towards the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions of Knowledge and Data Engineering, 17(6), 734-749. Angarita-Zapata, J. S.; Parra-Valencia, J. A.; Andrade-Sosa, H. H. (2016). Understanding the Structural Complexity of Induced Travel Demand in Decision-Making: A System Dynamics Approach. Organizacija, 49(3), 129-143. Apte, C.V., Hong, S.J., Natarajan, R., Pednault, E.P.D., Tipu, F.A. and Weiss, S.M. (2003). Data-intensive analytics for predictive modeling. IBM Journal of Research & Development, 47(1), 17-23. Ashford, N.; Stanton, H.; Moore, C.; Coutu, P. y Beasley, J. (2013). Airport Operations. New York: McGrawHill. Ashford, N.; Mumayiz, S. y Wright, P. (2011). Airport Engineering. New Jersey: John Wiley & Sons. Bala, B., Arshad, F.; Noh, K. (2016). System Dynamics: Modelling and Simulation. Singapore: Springer. Bonev, M. (2012). Managing reverse logistics using system dynamics: A generic end-to-end approach. Hamburg: Diplomica Verlag. Cherven, K. (2013). Network Graph Analysis and Visualization with Gephi. New York: Packt. Coyle, R.G. (1996). System Dynamics Modelling: A Practical Approach. Boca Raton: CRC Press. Crane, H. (2018). Probabilistic Foundations of Statistical Network Analysis. Boca Ratón (FL): CRC Press. Daley, B. (2010). Air Transport and the Environment. Surrey: Ashgate. de Neufville, R. & Odoni, A. (2013). Airport Systems, Planning, Design, and Management. New York: McGraw Hill. Dorre, J., Gerstl, P. and Seiffert, R. (1999). Text mining: finding nuggets in mountains of textual data. Working Paper, IBM Germany. Downey, A. (2017). Think Stats: Exploratory Data Analysis. Sebastopol (CA): O’Reilly Media. Emery, P. (2005). Advanced text mining in ZyIMAGE. Working Paper. Available at: www.zylab.com Fabien, B. (2008). Analytical System Dynamics. New York: Springer Fan, W., Wallace, L., Rich, S. and Zhang, Z. (2006). Tapping the power of text mining. Communications of the ACM, 49(9), 77-82. Feldman, R. and Sanger, J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press. Forrester, J. W. (2009). Some basic concepts in System Dynamics. Working Paper. Sloan School of Management (MIT). Froelich, J., Ananyan, S. and Olson, D.L. (2005). Business intelligence through text mining. Business Intelligence Journal, Winter, 43-50. Gonzalez, L. (2017). Análisis exploratorio de datos. Bogotá: U. Jorge tadeo Lozano. Hirst, M. (2008). The air transport system. Cambridge: Woodhead Publishing Limited. Hoaglin, D.; Mosteller, F. and Tukey, J. (2000). Understanding Robust and Exploratory Data Analysis. New York: Wiley. Horonjeff, R.; McKelvey, F., Sproule, W. y Young, S. (2010). Planning and Design of Airports. New York: McGrawHill. Hovmand, P. (2013). Community Based System Dynamics. New York: Springer. Husson, F.; Le, S. and Pages, J. (2017). Exploratory Multivariate Analysis by Example Using R. Boca Ratón (FL): CRC Press. IATA (2015). Introduction of airport operations. Montreal: IATA. Jonas, J. and Harper, J. (2006). Effective counterterrorism and the limited role of predictive data mining. Policy Analysis, No. 584, CATO Institute, Washington, DC, 1-11. Kazda, A. y Caves, R. (2015). Airport design and operations. Bingley: Emerald. Kolaczyk, E. (2009). Statistical Analysis of Network Data: Methods and Models. New York: Springer. Lui, S.M. and Qiu, L. (2007). Individual privacy and organizational privacy in business analytics. Proceedings of the 40th Hawaii International Conference on System Sciences, IEEE Computer Society, Washington, DC, p. 216b, available at: http://dx.doi.org/10.1109/ HICSS.2007.268. Luke, D (2015). A User’s Guide to Network Analysis in R. New York: Springer. Lyneis, J. (2000). System dynamics for market forecasting and structural analysis. System Dynamics Review, 16, 3–25. Maani, K.E. & Cavana, R.Y. (2007). System Thinking, System Dynamics; Managing Change and Complexity. Rosedale (New Zealand): Pearson Education. Marsella, A., Stone, M. and Banks, M. (2005). Making customer analytics work for you! Journal of Targeting, Measurement and Analysis for Marketing, 13(4), 299-303. Matigon, R. (2007). Data Mining Using SAS Enterprise Miner. New York: Wiley. McCue, C. (2005). Data mining and predictive analytics: battle space awareness for the war on terrorism. Defense Intelligence Journal, 13(1-2), 47-63. Mobasher, B. (2005). Web usage mining and personalization. In Singh, M.P. (Ed.), Practical Handbook of Internet Computing, Boca Raton: CRC Press,. Mobasher, B., Cooley, R. and Srivastava, J. (2000). Automatic personalization based on web usage mining. Communications of the ACM, 43(8), 142-151. Myatt, G. and Johnson, W. (2014). Making Sense of Data I: A Practical Guide to Exploratory Data Analysis and Data Mining. Hoboken: Wiley. Ogata, K (2014). System Dynamics. Harlow: Pearson. Oliveira, J.P.M., Loh, S., Wives, L.K., Scarinci, R.G., Musa, D.L., Silva, L. and Zambenedetti, C. (2004). Applying text mining on electronic messages for competitive intelligence. Proceedings of the 5th International Conference on Electronic Commerce and Web Technologies (EC-Web 2004), Zaragoza, Spain, August 30-September 3, 1-13. Pindado Carrión, S. (2006). Elementos de transporte aéreo. Madrid: Universidad Politécnica de Madrid. Price, J. y Forrest, J. (2016). Practical Airport Operations, Safety, and Emergency Management. Cambridge (MA): Elsevier. Setianto, N.; Cameron, D.; Gaughan, J. (2014). Identifying Archetypes of an Enhanced System Dynamics Causal Loop Diagram in Pursuit of Strategies to Improve Smallholder Beef Farming in Java, Indonesia. Systems Research & Behavioral Science, 31(5), 642-654. Shepherd, S. and Emberger, G. (2010). Introduction to the special issue: system dynamics and transportation. System Dynamics Review, 26(3), 193-194. Srivastava, J., Desikan, P. and Kumar, V. (2004). Web mining – concepts, applications and research directions. Data Mining: Next Generation Challenges and Future Directions. Cambridge, MA: MIT. Sterman, J. D. (2000). Business Dynamics, Systems thinking and modeling for a complex word. Boston: Irwin McGraw-Hill. Vlachos, D., Georgiadis, P.; Iakovou, E. (2006). A system dynamics model for dynamic capacity planning of remanufacturing in closed-loop supply chains. Computers & Operations Research, 367–394. Volonino, L. (2003). Electronic evidence and computer forensics. Communications of the Association for Information Systems, 12, 457-468. Wang, H. and Wang, S. (2008). A knowledge management approach to data mining process for business intelligence. Industrial Management & Data Systems, 108(5), 622-634. Weiss, S.M., Indurkhya, N., Zhang, T. and Damerau, F.J. (2005). Text Mining: Predictive Methods for Analyzing Unstructured Information, New York: Springer. Wensveen, J. (2011). Air Transportation. Surrey: Ashgate. Wickham, H. (2009). ggplot2: elegant graphics for data analysis. New York: Springer. Wickham, H. and Grolemund, G. (2017) . R for data sciences. Sebastopol /CA): O’Reilly Wu, Y.B., Li, Q., Bot, R.S. and Chen, X. (2006). Finding nuggets in documents: a machine learning approach. Journal of the American Society for Information Science and Technology, 57(6), 740-52. Página 1 de 12 Página 2 de 12 Página 3 de 12 Página 4 de 12 Página 5 de 12 Página 6 de 12 Página 7 de 12 Página 8 de 12 Página 9 de 12 Página 10 de 12 Página 11 de 12 Página 12 de 12