Examinando por Materia "Estimation"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Management report for estimation of future options turnover performance of Porsche Latin America
    (Universidad EIA, 2023) Murillo Restrepo, Pedro; Sehterman, Victoria
    ABSTRACT: The following paper addresses the current challenge that Porsche Latin America, the regional office in charge of representing Porsche in Central and South America and the Caribbean, faces in its effort to increase its performance in the options business. This issue is aligned with the company's global strategy to boost profitability in all its operations and, therefore, the importance of achieving the ambitious goals set for this line of business. The main objective of this project is to create a report to estimate and manage the future performance of the importers' option turnover. This presented a great challenge due to the limitations and lack of tools available to PLA in the current scenario. To achieve this purpose, an innovative approach was developed in the project that allowed to define the appropriate process to carry out the estimation of the future performance. Based on this approach, the project development included the construction of the data sources needed to capture the different stages of the process, and the different performance indicators that arise from each of them. Once the relevant data sources were gathered, the project was completed with the construction of the proposed tool. The results of this project, although still in the internal testing phase, have been very positive. This is reflected in an 8% increase in office performance thanks to the level of transparency achieved with the creation of the model. Given the perceived value of its use, PLA has decided to actively implement and apply this report with the markets from 2024. In this way, it is expected to optimize and maximize the turnover results in the option business for all importers in the regional office.
  • Miniatura
    PublicaciónAcceso abierto
    Software de Pronóstico para la Concentración del Material Partículado del Valle De Aburrá
    (Universidad EIA, 2010) David Eduardo Chará Ordóñez
    Ciertos fenómenos en la naturaleza presentan características caóticas o son dependientes de un cantidad significativa de variables lo que dificulta la modelación de los fenómenos con fines experimentales y de análisis. Un ejemplo de esto es la dispersión de material partículado en el aire. Éste fenómeno, ha sido estudiado debido a que afecta directamente la salud de la población, lo que genera un interés constante para busca mejorar la calidad del aire y un modelo es una herramienta muy útil para el análisis y la solución del problema. Los problemas que presenta la modelación del fenómeno es la gran cantidad de variables que intervienen en el proceso de dispersión lo que traduce un alto grado de dificultad para generación de un modelo a partir de técnicas analíticas, sumado del hecho que el modelo será localizado en una zona específica, puede no tener una vida útil muy larga si no está en capacidad de adaptarse a los posibles cambios en el entorno. Por otra parte la información con la que se cuenta a partir de las mediciones de la calidad del aire en estaciones de monitoreo es sesgada, debido principalmente a la escases de puntos de medición y al hecho de que no se puede extrapolar la medición de los puntos con estaciones a aquellos que no cuentan ésta facilidad. Por ésta razón se abordo el tema del modelamiento, o mejor de la optimización de un modelo de dispersión de contaminante para el área del Valle de Aburrá. El modelo propuesto a partir de unos datos puntuales de las fuentes de emisión, los campos de viento de la zona de estudio y mediciones de concentración de PM10 genera un mapa de pronóstico en la zona de estudio entregando datos estimados de la concentración de material partículado en zonas donde no se cuenta con información, además puede ser manipulado variando datos como los niveles de emisión de las fuentes lo que permite observar el efecto global de ciertas medidas y en manos de un experto puede llevar a tomar medidas efectivas que tengan un efecto positivo en la calidad del aire de la zona de estudio. Para el desarrollo del modelo se utilizaron técnicas de computación inteligente y específicamente mecanismos evolucionaros. Está aproximación permitió que el desarrollo del modelo estuviera completamente ligado a las bases de datos antes mencionadas, factor que agrego flexibilidad por que permite realizar cambios y ajustes con solo actualizar las bases de datos de las que se alimenta el algoritmo y generar simulaciones de condiciones alternas mediante la manipulación de las bases de datos. La evaluación del desempeño del modelo se hizo con base al error existente entre la salida del mismo y los datos utilizados como referencia, utilizando como sistema de evaluación 8 métricas estadísticas que entregaban además información sobre la correlación existente, la similitud de la tendencia y la cercanía y dirección de las medias de los datos estimados con respecto a los datos de referencia.