Please use this identifier to cite or link to this item: https://repository.uniminuto.edu/handle/10656/7261
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPeña, Iván
dc.contributor.authorMoreno Bohórquez, Juan David
dc.coverage.spatialBogota D.C.es_ES
dc.date.accessioned2019-02-14T13:45:44Z
dc.date.available2019-02-14T13:45:44Z
dc.date.issued2018-07-04
dc.identifier.citationMoreno, J. (2018). Aplicación de un modelo de control de inventario de GNC utilizando métodos de pronósticos en una empresa comercializadora y distribuidora de gas natural. (Trabajo de grado). Corporación Universitaria Minuto de Dios, Bogotá D.C. - Colombia.es_ES
dc.identifier.urihttp://hdl.handle.net/10656/7261
dc.descriptionAplicar un sistema de control de inventario de GNC que articule un método de pronóstico de demanda en la estación A.es_ES
dc.description.abstractLos inventarios y su administración en cualquier tipo de compañía son cruciales para mitigar las fluctuaciones que presente la demanda, al igual que para elevar su nivel de servicio, por lo que esto toma mayor relevancia cuando la empresa se encuentra en el sector energético conociendo la importancia de este para la vida cotidiana. El gas natural es un insumo importante tanto a nivel residencial como comercial, su consumo es parte importante de la economía Colombiana, su distribución está restringida y depende de muchas variables físicas, en consecuencia de ello, es vital conocer que factores afectan su comportamiento y como se pueden controlar, al igual que prever la demanda y su comportamiento con respecto a ella. La aplicación de un modelo de gestión de inventarios es el método más utilizado en la industria y éste depende de la naturaleza de la demanda y su patrón de comportamiento, lo que implica hacer un análisis exhaustivo de los datos históricos que ésta presenta. Los métodos de pronósticos permiten predecir la demanda en un lapso de tiempo predeterminado con cierta confiabilidad y dependen del nivel de aleatoriedad e incertidumbre de ésta, por lo que el análisis de la demanda se convierte en un factor clave para determinar la factibilidad del uso de estos métodos.es_ES
dc.language.isoeses_ES
dc.publisherCorporación Universitaria Minuto de Dioses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombiaes_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.sourcereponame:Colecciones Digitales Uniminutoes_ES
dc.sourceinstname:Corporación Universitaria Minuto de Dioses_ES
dc.subjectModelo de controles_ES
dc.subjectControl de inventarioses_ES
dc.subjectComercializadoraes_ES
dc.subjectGas naturales_ES
dc.subjectInventarioses_ES
dc.titleAplicación de un modelo de control de inventario de GNC utilizando métodos de pronósticos en una empresa comercializadora y distribuidora de gas natural.es_ES
dc.typeThesisus_US
dc.description.abstractenglishThe control and distribution center (CCD) of a natural gas marketer and distributor Company, programs, supervises and controls the supply of CNG to five populations based mainly on the experience of the shift operator, without considering the optimization of the costs generated and the previous analysis of the data obtained by the SCADA system. Using historical data of pressures, volume delivered and demand, a method of measuring CNG by means of the generation of diagrams (PV) was developed for a station, as well as analyzing and implementing a demand forecasting method for a system of periodic inventory control. As a result, a file formulated in Excel was created that integrates all of the above to provide a forecast of the behavior of the CNG, managing to correct the measurement method, optimize the operation and consumption of each load, and generating savings in transportation costs.us_US
dc.subject.keywordsNatural gasus_US
dc.subject.keywordsDistribution centerus_US
dc.subject.lembAdministración de materialeses_ES
dc.subject.lembControl de inventarioses_ES
dc.subject.lembInventarioses_ES
dc.subject.lembAlmacenamiento industriales_ES
dc.rights.licenseAbierto (Texto completo)es_ES
dc.publisher.departmentPregrado (Presencial)es_ES
dc.publisher.programIngeniería Industriales_ES
dc.type.spaTrabajo de Gradoes_ES
dc.source.bibliographicCitationBallou, R. H. (2004). Logística: Administración de la cadena de suministro. Pearson Educación.
dc.source.bibliographicCitationBindiu, R., Chindris, M., & Pop, G. V. (2009). Day-ahead load forecasting using exponential smoothing. Scientific Bulletin of the" Petru Maior" University of Targu Mures, 6, 89.
dc.source.bibliographicCitationÇengel, Y. & Boles, M. (2008) Termodinámica. Mc Graw Hill,. ISBN 978-970-10- 7286-8.
dc.source.bibliographicCitationChopra, S. y Meindl, P.(2008). Administración de la cadena de suministro. Estrategia, planeación y operación. 3 ed. México D. F.: Pearson Prentice Hall.
dc.source.bibliographicCitationComisión de Regulación de Energía y Gas – CREG. (2004). “Compresión y Transporte de Gas Natural Comprimido - GNC: Propuesta Regulatoria para Consulta”. Bogotá: CREG - 048.
dc.source.bibliographicCitationDeba C., Zhang F., Yang J., Lee S.E., Shah K.W. (2017). A review on time series forecasting techniques for building energy consumption, Renewable and Sustainable Energy Reviews, Vol. 74, pp. 902-924. DOI: 10.1016/j.rser.2017.02.085
dc.source.bibliographicCitationGutiérrez, V., & Vidal, C. J. (2008). Modelos de gestión de inventarios en cadenas de abastecimiento: revisión de la literatura. Revista Facultad de Ingeniería Universidad de Antioquia, (43).
dc.source.bibliographicCitationHerrán González, A. (2008). Modelado, planificación y control de sistemas de distribución de gas y derivados del petróleo.
dc.source.bibliographicCitationHolt, C. C. (2004). Forecasting seasonals and trends by exponentially weighted moving averages. International journal of forecasting, 20(1), 5-10.
dc.source.bibliographicCitationKalekar, P. S. (2004). Time series forecasting using holt-winters exponential smoothing. Kanwal Rekhi School of Information Technology, 4329008, 1-13.
dc.source.bibliographicCitationKotillová, A. (2011). Very short-term load forecasting using exponential smoothing and ARIMA models.
dc.source.bibliographicCitationKrajewski, L., Ritzman, L., & Malhotra, K. M. (2008). Administración de Operaciones (8. ª edición).
dc.source.bibliographicCitationMokhatab, S., & Poe, W. A. (2012). Handbook of natural gas transmission and processing. Gulf professional publishing.
dc.source.bibliographicCitationOutlook, S. A. E. (2013). World energy outlook special report. France International Energy Agency (IEA).
dc.source.bibliographicCitationTaylor, J. W. (2010). Triple seasonal methods for short-term electricity demand forecasting. European Journal of Operational Research, 204(1), 139-152
dc.source.bibliographicCitationTratar, L. F., and Srmcnik, E. (2016). The Comparison of HoltWinters Method and Multiple Regression Methods: A Case Study. Energy. 109(2016): 266-276
dc.source.bibliographicCitationVidal, C. J. (2005). Fundamentos de gestión de inventarios. Universidad del Valle, Facultad de Ingeniería.
dc.source.bibliographicCitationVidal Holguín, C. J., Londoño Ortega, J. C., & Contreras Rengifo, F. (2011). Aplicación de modelos de inventarios en una cadena de abastecimiento de productos de consumo masivo con una bodega y N puntos de venta.
dc.source.bibliographicCitationWadud, Z., Dey, H. S., Kabir, M. A., & Khan, S. I. (2011). Modeling and forecasting natural gas demand in Bangladesh. Energy Policy, 39(11), 7372-7380.
dc.source.bibliographicCitationWinters, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management science, 6(3), 324-342.
Appears in Collections:Ingeniería Industrial

Files in This Item:
File Description SizeFormat 
TIND_MorenoBohorquezJuanDavid_2018.pdfDocumento Principal5.84 MBAdobe PDFThumbnail
View/Open
Autorización.pdf
  Until 2100-12-31
Autorización640.96 kBAdobe PDFThumbnail
View/Open Request a copy


This item is licensed under a Creative Commons License Creative Commons