Aplicación de técnica de toma de decisiones multi-criterio para seleccionar una metodología de medición del efecto Unconstraining para una empresa de transporte aéreo comercial.
Bibliographic record
Abstract
El presente trabajo tiene como objetivo seleccionar una metodología de cálculo del efecto unconstraining para una empresa de transporte aéreo comercial utilizando una técnica de toma de decisiones multicriterio. Con el fin de desarrollar este trabajo se ha aplicado la metodología de toma de decisiones multicriterio Proceso Analítico Jerárquico (PAJ) o Analytic Hierarchy Process (AHP) en inglés por presentar características deseadas para cumplir el objetivo de seleccionar una metodología de cálculo del efecto Unconstraining. La representación jerárquica propuesta incluye criterios técnicos, computacionales y de negocio, así como una evaluación de 7 alternativas que para efectos de este trabajo son 7 metodologías señaladas en la literatura para calcular el efecto unconstraining, las cuales fueron escogidas dentro de 10 metodologías de cálculo del efecto unconstraining. Una vez aplicada la técnica AHP se ha obtenido el resultado del vector de prioridades de alternativas, en donde se ha encontrado que las 3 mejores metodologías para el cálculo del efecto unconstraining son respectivamente; Q Forecasting, Maximum Likelihood Estimation y Logistical Function. Dentro de las principales limitaciones del presente trabajo se tiene que la determinación de los criterios y la ponderación de estos fue hecha a través de entrevistas a expertos, mientras que la valoración de las alternativas se encuentra apoyada en la literatura y en la opinión de expertos por lo cual la solución tiene un alto grado de subjetividad. A manera práctica, en este documento se aborda la necesidad de seleccionar una metodología de cálculo del efecto unconstraining que logre cumplir de mejor manera con los criterios técnicos, computacionales y de negocio establecidos por expertos en la industria. Una buena selección de la metodología de cálculo del efecto unconstraining repercute en un mejor pronóstico conllevando a una mejora en los ingresos. El cálculo del efecto unconstraining es considerado el santo grial para la determinación de la demanda por los sistemas de optimización de ingresos. Gran parte de los ingresos de las compañías que utilizan revenue management depende de lo bien calibrado que se encuentre el pronóstico de la demanda potencial. Por lo tanto, representa gran valor la propuesta de aplicación de la técnica de decisión multicriterio AHP con el fin de seleccionar una metodología de cálculo del efecto unconstraining para una empresa de transporte aéreo comercial.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".