Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Pronóstico de Retrasos en el Suministro de Plataformas Offshore

Towards the Forecasting of Delays in Supply of Offshore Platforms



Abrir | Descargar


Sección
Artículos

Cómo citar
F. Cepeda, M. A., Basilio da Silva, R., & Caprace, J.-D. (2016). Pronóstico de Retrasos en el Suministro de Plataformas Offshore. Revista Científica I+D+i MARÍTIMA, 2(1), 19-24. https://revistas.umip.ac.pa/index.php/RCIDIM/article/view/18

DOI
Licencia
Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Revista de I+D+i Marítima publica exclusivamente bajo licencia Attribution-NonCommercialShareAlike4.0 International (CC BY-NC-SA 4.0)

Maricruz A. F. Cepeda
    Rafael Basilio da Silva
      Jean-David Caprace

        Maricruz A. F. Cepeda,





        Rafael Basilio da Silva,




        Jean-David Caprace,





        Actualmente, la industria Offshore de Petróleo pretende mejorar la logística relacionada con la producción petrolera. El suministro de plataformas marinas requiere un alto nivel de servicio para utilizar el mínimo de recursos. Las condiciones meteorológicas y buques cesados son las principales variables que inducen retrasos en la planificación de operaciones, lo cual afecta la producción, almacenamiento y descarga de petróleo en unidades marinas (FPSO). El indicador clave de rendimiento (KPI) real muestra un potencial de mejora. El objetivo de este trabajo, es pronosticar los retrasos producidos durante la entrega de los suministros para plataformas, costa afuera operadas en Brasil. La base de datos analizada presenta 2,851 viajes de una-vía de barcos de suministro de plataformas (PSV). El objetivo es desarrollar una metodología basada en minería de datos, utilizar el algoritmo A priori, árbol de decisiones y Perceptrón multicapa (MLP). El tipo de carga (carga seca y líquida al granel o contenedores), la prioridad de carga y el tipo de operación (carga, descarga o transbordo) son algunos de los parámetros de entrada considerados en el modelo. Los resultados proporcionan una nueva manera de abordar la eficiencia y el rendimiento de suministro de la logística a las plataformas, incluso, si el modelo requiere mejoras futuras. Conocer de antemano cuáles serán los retrasos más susceptibles que podrían ocurrir en la cadena de suministro, ayuda a los planificadores a anticipar sus estrategias y rutas de entrega.


        Visitas del artículo 5 | Visitas PDF 10


        Descargas

        Los datos de descarga todavía no están disponibles.
        1. Agrawal R., S. R. Fast Algorithms for Mining Association Rules, Proceedings of the 20th VLDB Conference. Santiago, 1994.
        2. Feelders, A., Danielsa, H., & Holsheimer, M.,. Methodological and practical aspects of data mining. Information & Management, 37(5), 271–281. doi:10.1016/S0378-7206(99)00051-8, 2000.
        3. Ferreira Filho, V. J.,Gestão de Operações e Logística na Produção de Petróleo. Rio de Janeiro, RJ, Brazil: ELSEVIER, 2015.
        4. Hand, D., Mannila, H., & Smyth, P. , Principles of Data Mining. Cambridge, Massachusetts: MIT Press, 2001.
        5. Leite, R., Maritime transport of deck Cargo to Petrobras fields in Campos Basin: an empirical analysis, identification and qualification of improvement points. Rio de Janeiro: PUC-RIO., 2012.
        6. Middleton, M. R., Introduction to Decision Trees. In M. R. Middleton, TreePlan Tutorial (pp. 157-168), 2015
        7. Quinlan, J. R., Simplifying decision trees. International Journal of Man-Machine Studies 27 (3): 221. doi:10.1016/ S0020-7373(87)80053-6., 1987.
        8. Rosenblatt, F. x., Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms. Washington DC: Spartan Books, 1961
        9. Rumelhart, D. E., Learning Internal Representations by Error Propagation (Vol. Volume 1: Foundations). MIT Press, 1986.
        10. Ting, S., Tse, Y., Ho, G., Chung, S., & Pang, G. (2014). Mining logistics data to assure the quality in a sustainable food supply chain: A case in the red wine industry. International Journal of Production Economics, 200–209, 2014.
        11. Y. Yuan, S. M. (1995). Induction of fuzzy decision trees. Fuzzy Sets and Systems 69, 125–139, 1995.
        Sistema OJS 3.4.0.5 - Metabiblioteca |