Determination of arrivals of tourists to an airport unit based on historical series
DOI:
https://doi.org/10.63728/riisds.v3i1.301Keywords:
Forecasts, historical series, procedureAbstract
Airports and especially the one presented as a case study have a high seasonality in their operations. The number of arrivals of passengers and, therefore, flights are the input variables for the projection of their logistics system and the organization of their operations in general. The present study proposes a procedure and its application for the determination of the anticipation of the passengers to arrive on the basis of historical series in this type of facilities, at the same time, which offers the possibility to the managers that on the basis of New confirmed operations affect this forecast in search of an approach to reality.
References
Companys, R. (1990). Previsión tecnológica de la demanda. Editorial Boixerau Marcombo. Barcelona.
Díaz, A. (1993). Producción Gestión y Control. Editorial Ariel. Barcelona.
Hiller, F. S. and G. J. Lieberman (2001). Investigación de operaciones. México, McGraw-Hill.
Hillier, F. S., et al. (2002). Métodos cuantitativos para administración. McGraw Hill, México.
Medina, A., et al. (2008). Fundamentos Generales de la logística. Capítulo 5. Editorial Logícuba. La Habana.
Medina León, A., et al. (2002). Técnicas de análisis empresariales en la certeza e incertidumbre. Morelia, Michoacán, Editorial FeGoSa Facultad de Contaduría y Ciencias Administrativas de la Universidad Michoacana de San Nicolás de Hidalgo.
Montgomery, D. C., et al. (2009). Introduction to time series analysis and forecasting. Editorial Wiley New York.
Pérez, L et al. (2015): Sistema de predicción financiera para hoteles mediante Redes Neuronales Artificiales. Revista Retos Turísticos, Vol. 10, No. 2. Matanzas.
Salazar, M. A and Cabrera, M. (2007): Pronóstico de demandas por medio de redes neuronales artificiales.
Schroeder, R. (2011). Administración de Operaciones. casos y conceptos contemporáneos. Companys, R. (1990). Previsión tecnológica de la demanda. Editorial Boixerau Marcombo. Barcelona.
Díaz, A. (1993). Producción Gestión y Control. Editorial Ariel. Barcelona.
Hiller, F. S. and G. J. Lieberman (2001). Investigación de operaciones. México, McGraw-Hill.
Hillier, F. S., et al. (2002). Métodos cuantitativos para administración. McGraw Hill, México.
Medina, A., et al. (2008). Fundamentos Generales de la logística. Capítulo 5. Editorial Logícuba. La Habana.
Medina León, A., et al. (2002). Técnicas de análisis empresariales en la certeza e incertidumbre. Morelia, Michoacán, Editorial FeGoSa Facultad de Contaduría y Ciencias Administrativas de la Universidad Michoacana de San Nicolás de Hidalgo.
Montgomery, D. C., et al. (2009). Introduction to time series analysis and forecasting. Editorial Wiley New York.
Pérez, L et al. (2015): Sistema de predicción financiera para hoteles mediante Redes Neuronales Artificiales. Revista Retos Turísticos, Vol. 10, No. 2. Matanzas.
Salazar, M. A and Cabrera, M. (2007): Pronóstico de demandas por medio de redes neuronales artificiales.
Schroeder, R. (2011). Administración de Operaciones. casos y conceptos contemporáneos. México D.F.
Sifontes, R. J. (2010): Estimación de demanda a mediano plazo de la subestación lagunita utilizando redes neuronales. Tesis de grado, Universidad Simón Bolívar, Venezuela.
Zandin, K. and Maynard (2011). Maynard, Manual de Ingeniero Industrial (2 Vols) (5a ed). Mc Graw Hill. México, D.F.
Sifontes, R. J. (2010): Estimación de demanda a mediano plazo de la subestación lagunita utilizando redes neuronales. Tesis de grado, Universidad Simón Bolívar, Venezuela.
Zandin, K. and Maynard (2011). Maynard, Manual de Ingeniero Industrial (2 Vols) (5a ed). Mc Graw Hill, México
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2018 Revista Interdisciplinaria de Ingeniería Sustentable y Desarrollo Social
This work is licensed under a Creative Commons Attribution 4.0 International License.
