UAM | UAM_Biblioteca | Unified search engine | Scientific Production Portal | UAM Research Data Repository
Biblos-e Archivo
    • español
    • English
  • English 
    • español
    • English
  • Log in
JavaScript is disabled for your browser. Some features of this site may not work without it.

Search Biblos-e Archivo

Advanced Search

Browse

All of Biblos-e ArchivoCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsFacultiesThis CollectionBy Issue DateAuthorsTitlesSubjectsFaculties

My Account

Log inRegister

Statistics

View Usage Statistics

Help

Information about Biblos-e ArchivoI want to submit my workFrequently Asked Questions

UAM_Biblioteca

View Item 
  •   Biblos-e Archivo
  • 2 - Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • View Item
  •   Biblos-e Archivo
  • 2 - Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.)
  • View Item

Inteligencia Artificial aplicada a la gestión estratégica de aerolíneas en tiempos de COVID-19

Author
Pérez Campuzano, Darío
Advisor
Rubio Andrada, Luisuntranslated; Morcillo Ortega, Patriciountranslated
Entity
UAM. Departamento de Economía Aplicada
Date
2022-10-27
Subjects
Aviación; COVID-19; Artificial Intelligence (AI); Machine Learning (ML); Data Mining (DM); Economía
URI
http://hdl.handle.net/10486/705285
Note
Tesis Doctoral inédita leída en la Universidad Autónoma de Madrid, Facultad de Ciencias Económicas y Empresariales, Departamento de Economía Aplicada. Fecha de Lectura: 27-10-2022
Esta Tesis tiene embargado el acceso al texto completo hasta el 27-04-2024

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Abstract

Contexto. El transporte aéreo había mostrado anteriormente una gran capacidad de recuperación para superar los impactos externos, pero el COVID-19 ha estresado aún más un sector en el que las empresas históricamente habían luchado por mantener la rentabilidad. Además, la popularidad de la AI está aumentando dada la evolución del hardware, el software y la disponibilidad de datos, pero su implementación práctica plantea desafíos complejos, exacerbados por la brecha entre la academia y la industria. Propósito. Explorar el potencial de la AI (especialmente los algoritmos de Machine Learning (ML)) en la toma de decisiones estratégica en aerolíneas en tiempos de crisis y plantear una hoja de ruta para alentar a académicos y profesionales a su despliegue dentro de las corporaciones. Muchas de las conclusiones podrían extrapolarse a otros modos de transporte. Metodología. El estudio analiza y discute la evolución histórica y las tendencias del mercado de las organizaciones de aviación como de la AI, respaldado por un meta-análisis cuantitativo integral de la literatura. Además, se propone un método visual de Data Mining (DM) para extraer inteligencia de mercado de las bases de datos de empresas de cualquier industria. Dos técnicas de clustering (Self-Organizing Map (SOM) y K-means) se combinan a través del aprendizaje no supervisado. Dos estudios de caso (Estados Unidos y Europa) demuestran las capacidades de este método utilizando datos operativos y financieros de hasta 23 aerolineas de los últimos 30 años. Resultados. Aún hay margen de investigación de la AI en estrategia y las vías basadas en el aprendizaje supervisado y no supervisado tienen potencial para implementarse a corto plazo. El resultado del modelo de DM de ambos casos de estudio revela la estructura subyacente de la industria y es capaz de segregar automáticamente los modelos de negocios mientras también permite extraer observaciones tales como la identificación de tendencias de mercado, operaciones de M&A o el impacto del COVID-19. Conclusiones. Las hoja de ruta y líneas de investigación reveladas y el modelo de DM para la visualización de mercado muestran el potencial para la implementación comercial. La AI jugará un papel relevante en las próximas décadas de investigación aeronáutica. Aùn es un enigma si esto se convertirá en una relación más estrecha entre las empresas y la academia. Con suerte, las pautas presentadas a lo largo de esta tesis pueden alentar a los académicos y profesionales a desarrollar conjuntamente un entorno adecuado para el despliegue de estas herramientas dentro de las empresas
Show full item record

Files in this item

Name
perez_campuzano_dario.pdf
Size
30.97Mb
Format
PDF
Description
Texto de la Tesis Doctoral

Refworks Export

Google™ Scholar:Pérez Campuzano, Darío

This item appears in the following Collection(s)

  • Trabajos de estudiantes (tesis doctorales, TFMs, TFGs, etc.) [19845]

Related items

Showing items related by title, author, creator and subject.

  • Artificial Intelligence potential within airlines: a review on how AI can enhance strategic decision-making in times of COVID-19 

    Pérez-Campuzano, Darío; Morcillo Ortega, PatricioAutoridad UAM; Rubio Andrada, LuisAutoridad UAM; López-Lázaro, Antonio
    2021-11-11
  • Aplicación distribuida de inteligencia artificial y bases de datos no relacionales aplicada a la administración y gestión en tiempo real de restaurantes 

    Sainz Paredes, Fernando
    2016-06
  • Visualizing the historical COVID-19 shock in the US airline industry: A Data Mining approach for dynamic market surveillance 

    Pérez Campuzano, Darío; Rubio Andrada, LuisAutoridad UAM; Morcillo Ortega, PatricioAutoridad UAM; López Lázaro, Antonio
    2022-02-28
All the documents from Biblos-e Archivo are protected by copyrights. Some rights reserved.
Universidad Autónoma de Madrid. Biblioteca
Contact Us | Send Feedback
We are onFacebookCanal BiblosYouTubeTwitterPinterestWhatsappInstagram

Declaración de accesibilidad

 

 

All the documents from Biblos-e Archivo are protected by copyrights. Some rights reserved.
Universidad Autónoma de Madrid. Biblioteca
Contact Us | Send Feedback
We are onFacebookCanal BiblosYouTubeTwitterPinterestWhatsappInstagram

Declaración de accesibilidad