Tesis Revenue Management
Páginas: 97 (24248 palabras)
Publicado: 14 de abril de 2015
Universidad de Buenos Aires
Facultad de Ciencias Exactas y Naturales
Departamento de Computación
Revenue Management bajo comportamiento
selectivo de clientes en la industria hotelera
Alumno:
Germán David Kruszewski Martel
L.U. 274/03
germank@gmail.com
Director:
Dr. Gustavo Vulcano
gvulcano@stern.nyu.edu
Stern School of Bussines, New York University, New York
Co-Directora:
Dra. PaulaZabala
pzabala@dc.uba.ar
Departamento de Computación, FCEyN, UBA, Buenos Aires
Julio de 2011
Tesis para optar al grado de
Licenciado en Ciencias de la Computación
ii
Índice general
1. Introducción
1.1.
9
Generalidades Sobre el Revenue Management
9
1.1.1.
¿Qué es Revenue Management ? . . . . . . . . . . . . . . . . .
9
1.1.2.
Los orígenes del Revenue Management . . . . . . . . . . . . .11
12
1.1.3.
Un marco conceptual para Revenue Management
1.1.4.
Descripción de un sistema de Revenue Management
1.1.5.
El control de capacidad
1.1.5.1.
1.1.6.
1.1.7.
. . . . . . .
. . . . .
. . . . . . . . . . . . . . . . . . . . .
Límites de reservas y niveles de protección anidados
Modelos de Demanda
. . . . . . . . . . . . . . . . . . . . . .
1.1.6.1.
Modelos de demandaindependiente
1.1.6.2.
Modelos de elección
15
16
17
17
. . . . . . . . .
18
. . . . . . . . . . . . . . . . . .
19
Control de capacidad basado en un modelo de demanda independiente: EMSR-b y MEMUR
1.2.
. . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
19
1.1.8.
Control de capacidad basado en un modelo de elección: CDLP
20
1.1.9.
Network Revenue Management
. . . . . . . . . . . . . .. . .
20
Revenue Management en la industria hotelera . . . . . . . . . . . . .
20
1.2.1.
21
Sobre este trabajo
. . . . . . . . . . . . . . . . . . . . . . . .
2. Estimación
23
2.1.
Descripción del dataset . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.
Estimación de máxima verosimilitud
. . . . . . . . . . . . . . . . . .
24
2.3.
Descripción del modelo . . . . . . . . .. . . . . . . . . . . . . . . . .
25
2.4.
El método expectation-maximization
. . . . . . . . . . . . . . . . . .
27
2.5.
Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.5.1.
Definición de Producto . . . . . . . . . . . . . . . . . . . . . .
30
2.5.2.
Definición de Período . . . . . . . . . . . . . . . . . . . . . . .
31
2.5.3.
Segmentación de losdatos . . . . . . . . . . . . . . . . . . . .
34
2.6.
Resultados de la estimación
2.7.
Descomposición de las preferencias
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
3. Optimización
3.1.
23
35
38
41
. . . . . . . . . . . . . . . . . . . . . .
41
Descripción del modelo . . . . . . . . . . . . . . . . . . . . . . . . . .
42
3.2.1.
. . . . . . . .43
3.3.
Instanciación del modelo . . . . . . . . . . . . . . . . . . . . . . . . .
43
3.4.
Descripción de los algoritmos utilizados
. . . . . . . . . . . . . . . .
45
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
3.2.
Consideraciones preliminares
3.4.1.
Formulación basada en programación dinámica
FCFS
iii
ÍNDICE GENERAL
3.4.2.
3.4.3.
CDLP . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .
46
3.4.2.1.
Construcción de la política
. . . . . . . . . . . . . .
47
3.4.2.2.
Generación de columnas . . . . . . . . . . . . . . . .
48
Heurística: agregación de estados del problema de programación dinámica . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.3.1.
. . . . . . . . . .
54
. . . . . . . . . . . . . . . . . . . . . . . . .. . . .
55
Análisis de CDLP . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
3.4.4.
3.5.
3.6.
Selección eficiente de los offer sets
51
MEMUR
3.5.1.
Un problema de CDLP: la política estática
3.5.2.
Segundo problema de CDLP: subutilización de recursos
. . .
58
3.5.3.
Explicación del caso real . . . . . . . . . . . . . . . . . . . . .
60
3.5.4.
Reoptimización de...
Facultad de Ciencias Exactas y Naturales
Departamento de Computación
Revenue Management bajo comportamiento
selectivo de clientes en la industria hotelera
Alumno:
Germán David Kruszewski Martel
L.U. 274/03
germank@gmail.com
Director:
Dr. Gustavo Vulcano
gvulcano@stern.nyu.edu
Stern School of Bussines, New York University, New York
Co-Directora:
Dra. PaulaZabala
pzabala@dc.uba.ar
Departamento de Computación, FCEyN, UBA, Buenos Aires
Julio de 2011
Tesis para optar al grado de
Licenciado en Ciencias de la Computación
ii
Índice general
1. Introducción
1.1.
9
Generalidades Sobre el Revenue Management
9
1.1.1.
¿Qué es Revenue Management ? . . . . . . . . . . . . . . . . .
9
1.1.2.
Los orígenes del Revenue Management . . . . . . . . . . . . .11
12
1.1.3.
Un marco conceptual para Revenue Management
1.1.4.
Descripción de un sistema de Revenue Management
1.1.5.
El control de capacidad
1.1.5.1.
1.1.6.
1.1.7.
. . . . . . .
. . . . .
. . . . . . . . . . . . . . . . . . . . .
Límites de reservas y niveles de protección anidados
Modelos de Demanda
. . . . . . . . . . . . . . . . . . . . . .
1.1.6.1.
Modelos de demandaindependiente
1.1.6.2.
Modelos de elección
15
16
17
17
. . . . . . . . .
18
. . . . . . . . . . . . . . . . . .
19
Control de capacidad basado en un modelo de demanda independiente: EMSR-b y MEMUR
1.2.
. . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
19
1.1.8.
Control de capacidad basado en un modelo de elección: CDLP
20
1.1.9.
Network Revenue Management
. . . . . . . . . . . . . .. . .
20
Revenue Management en la industria hotelera . . . . . . . . . . . . .
20
1.2.1.
21
Sobre este trabajo
. . . . . . . . . . . . . . . . . . . . . . . .
2. Estimación
23
2.1.
Descripción del dataset . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.
Estimación de máxima verosimilitud
. . . . . . . . . . . . . . . . . .
24
2.3.
Descripción del modelo . . . . . . . . .. . . . . . . . . . . . . . . . .
25
2.4.
El método expectation-maximization
. . . . . . . . . . . . . . . . . .
27
2.5.
Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.5.1.
Definición de Producto . . . . . . . . . . . . . . . . . . . . . .
30
2.5.2.
Definición de Período . . . . . . . . . . . . . . . . . . . . . . .
31
2.5.3.
Segmentación de losdatos . . . . . . . . . . . . . . . . . . . .
34
2.6.
Resultados de la estimación
2.7.
Descomposición de las preferencias
. . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
3. Optimización
3.1.
23
35
38
41
. . . . . . . . . . . . . . . . . . . . . .
41
Descripción del modelo . . . . . . . . . . . . . . . . . . . . . . . . . .
42
3.2.1.
. . . . . . . .43
3.3.
Instanciación del modelo . . . . . . . . . . . . . . . . . . . . . . . . .
43
3.4.
Descripción de los algoritmos utilizados
. . . . . . . . . . . . . . . .
45
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
45
3.2.
Consideraciones preliminares
3.4.1.
Formulación basada en programación dinámica
FCFS
iii
ÍNDICE GENERAL
3.4.2.
3.4.3.
CDLP . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . .
46
3.4.2.1.
Construcción de la política
. . . . . . . . . . . . . .
47
3.4.2.2.
Generación de columnas . . . . . . . . . . . . . . . .
48
Heurística: agregación de estados del problema de programación dinámica . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4.3.1.
. . . . . . . . . .
54
. . . . . . . . . . . . . . . . . . . . . . . . .. . . .
55
Análisis de CDLP . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
3.4.4.
3.5.
3.6.
Selección eficiente de los offer sets
51
MEMUR
3.5.1.
Un problema de CDLP: la política estática
3.5.2.
Segundo problema de CDLP: subutilización de recursos
. . .
58
3.5.3.
Explicación del caso real . . . . . . . . . . . . . . . . . . . . .
60
3.5.4.
Reoptimización de...
Leer documento completo
Regístrate para leer el documento completo.