-
-
La interfaz de Looper permite ingresar parámetros de envío, mostrando ganancias o pérdidas y el porcentaje correspondiente.
-
Distribución de ganancias / perdidas por envio. Porcentaje de ganancias / perdidas por envio.
-
151 lineas de codigo. Librerias: NumPy, matplotlib, scypy, tkinter
Caso base hipotético.
El caso base que presentamos es hipotético, estamos tomando valores promedio en cada uno de los rangos. Sin embargo, estos se pueden adaptar al cliente en cuestión.
Simulador por el Método Monte Carlo para evaluar la rentabilidad de envíos de mercancías. Rangos que se evalúan.
Distancia mínima y máxima del envío. Volumen: Volumen mínimo y máximo del paquete. Peso: Peso mínimo y máximo del paquete. Costo de combustible: Media y desviación estándar del costo del combustible. Costos de mano de obra: Costo mínimo y máximo de mano de obra. Ingresos por envío: Ingresos mínimos y máximos por envío.
Basándose en estos rangos, el simulador genera miles de combinaciones aleatorias de valores y calcula la ganancia o pérdida para cada caso.
Por último, el simulador muestra resultados como la ganancia/pérdida promedio, el porcentaje de envíos con ganancias/pérdidas y distribuciones de frecuencia de ganancias y pérdidas.
Idea de negocio
Simulador de viajes para Looper.
Looper es una empresa que ofrece soluciones de transporte aéreo, marítimo y terrestre. Ellos ofrecen servicios personalizados por cliente, esto quiere decir que siempre están frente a situaciones financieras diversas.
Ejemplo de uso:
No es lo mismo el servicio que se le brinda a un cliente que envía materiales peligrosos de Ciudad de México a Jalisco, a enviar un Reefer en transporte marítimo del puerto de Baja California a Taiwan.
Existen distintos tipos de costos asociados a cada uno de los viajes, porque cada cliente es distinto, los costos de operación, manipulación, distancia y transporte no son los únicos a tomar en cuenta, existen leyes por estado, por país, por medio de transporte, existen situaciones que simplemente no se pueden prever cómo los cambios geopolíticos, lo cuales afectan directamente al ejercicio de la empresa.
Evaluar y anticipar riesgos específicos adecuados al cliente y a los riesgos propios de la empresa tenemos una perspectiva mucho más amplia para tomar mejores decisiones y al evaluar casos aleatorios que simplemente no pueden ser contabilizados ni calculados por los mejores financieros humanos, el modelo de aprendizaje automático inclusive nos ofrece un rango de error para poder aproximarnos a resultados más fiables.
*Escalabilidad: * El alcance del modelo de aprendizaje automático no solo se limita a casos hipotéticos simples, también se puede adecuar a las necesidades específicas de la empresa, ya que el modelo cuenta con una gran escalabilidad para ofrecer análisis más complejos.
Puede estudiar a la empresa y arrojarle de manera simple un análisis detallado de lo que este quiera determinar por ejemplo: pérdidas, ganancias futuras, tendencias dentro de su organización, los algoritmos entiende de números no de una organización, por lo tanto esto solo le da un mejor análisis para tomar mejores decisiones.
Combinar los modelos de aprendizaje automático para que el experto humano tome la mejor decisión en base a su experiencia. Pretendemos trabajar de la mano.
Prototipo
Descripción: Caso base el hipotético, el cual es escalable. Este pequeño simulador nos entrega ganancia promedio, porcentaje promedio, pérdida promedio y porcentaje promedio.
Log in or sign up for Devpost to join the conversation.