Network revenue management en aerolíneas resuelto a través de programación dinámica robusta

• Main Author: Jaramillo Quijada, Marcelo Javier
• Other Authors: Ordóñez Pizarro, Fernando
• Language: es
• Published: Universidad de Chile 2013
• Subjects: Programación dinámica; Optimización robusta; Líneas aéreas; Network revenue management
• Online Access: http://www.repositorio.uchile.cl/handle/2250/112043

Magíster en Gestión de Operaciones === Ingeniero Civil Industrial === En el presente trabajo se considera el problema de asignación de asientos para diversas clases de clientes en una red de Aerolíneas, más conocido en inglés como Network Revenue Management. Usando la metodología de programación dinámica, se busca maximizar el beneficio esperado sujeto a restricciones de tiempo y capacidad de los aviones en la red. Uno de los problemas que enfrentan las aerolíneas al momento de vender vuelos interconectados en una red es qué precio fijar para cada clase de cliente de tal forma de no dejar potenciales compradores fuera al fijar precios altos, ni perder potenciales ingresos con precios bajos. Para gestionar la demanda a través del tiempo, las aerolíneas utilizan políticas de control de asientos como Booking Limits, Protection Levels o Bid Prices, cuya solución se obtiene de resolver problemas de optimización dinámicos o estáticos. Esta tesis aborda este problema cuando la demanda está sujeta a incertidumbre. Bajo este escenario el problema es altamente riesgoso, pues los costos de operación son elevados y el producto que se ofrece es perecible, es decir, los asientos libres no se pueden inventariar lo que genera pérdidas. Para enfrentar esto se propone resolver usando optimización aversa al riesgo más conocida como optimización robusta. El enfoque de optimización robusta es optimizar contra el peor de los casos que pudiera surgir debido a la incertidumbre en la demanda, encontrando políticas de control en la capacidad de los aviones relativamente insensibles a variaciones en la estimación de demanda. La formulación robusta intenta mitigar el impacto de los errores en la estimación de probabilidades de transición mediante la elección de una política óptima maximin, donde la minimización es sobre un conjunto de probabilidades de transición y el objetivo es escoger una política que maximice los beneficios esperados sobre este conjunto. Los experimentos que se realizaron muestran que cuando el riesgo supera cierto umbral, el modelo robusto captura de forma más eficiente el riesgo y obtiene resultados esperados mejores que los modelos tradicionales.