Facultad de Ciencias e Ingeniería
Permanent URI for this communityhttp://54.81.141.168/handle/123456789/9119
Browse
3 results
Search Results
Item Metadata only Análisis de vulnerabilidad en el Perú a partir del desarrollo de modelos de regresión logísticos mediante la utilización del software Stata(Pontificia Universidad Católica del Perú, 2024-09-03) Cervera Pinday, Renzo Junior; Benavente Sotelo, Renzo AlejandroLa presente investigación se orientó a determinar los factores que influyen en la vulnerabilidad ante desastres naturales en el Perú, periodo 2021. En ese contexto, para responder a tal objetivo la metodología contemplada fue de carácter cuantitativo, de nivel correlacional, de análisis documental con información extraída del ENAHO – 2021 misma que fue procesada en el programa estadístico Stata 16 mediante la metodología del modelo logit, además, es de precisar que, la muestra total estuvo conformada por 109,867 individuos. Los resultados de la regresión logística (Logit) indican que los factores asociados con las características de la vivienda y del hogar, las características de los miembros del hogar, la educación y el empleo e ingreso influyen significativamente en la probabilidad de ser vulnerable o no a los desastres naturales, no obstante, los factores asociados con la salud no influyen significativamente en la vulnerabilidad. Finalmente, se concluye que los factores correlacionados significativamente con la vulnerabilidad ante desastres naturales son: Tipo de vivienda, material predominante de las paredes, material predominante del piso, material predominante del techo, construcción de vivienda con asistencia técnica de un ingeniero civil o arquitecto, edad, zona de residencia, nivel educativo, disponibilidad de internet en la vivienda e ingreso bruto.Item Metadata only Algoritmo genético multiobjetivo para la optimización de la distribución de ayuda humanitaria en caso de desastres naturales en el Perú(Pontificia Universidad Católica del Perú, 2019-12-03) Aduviri Choque, Robert Alonso; Cueva Moscoso, RonyEl Perú es un país susceptible a desastres naturales, hecho evidenciado con el terremoto de Pisco en 2007 y el fenómeno de El Niño Costero en 2017. Ante la ocurrencia de un desastre surge una cantidad considerable y variada de ayuda proveniente de distintos lugares: INDECI, empresas privadas, ciudadanía y ayuda internacional. Es posible identificar una demanda de bienes de ayuda diferenciada entre las zonas afectadas; sin embargo, el plan logístico del INDECI no indica un procedimiento de distribución de ayuda humanitaria con sustento científico. Ante esto, en el presente proyecto se propone un modelo de programación no lineal entero mixto que servirá como base para generar un plan de distribución de ayuda humanitaria a gran escala de manera automática, abarcando los niveles nacional y regional luego de un desastre. Asimismo, dado que en escenarios reales el tiempo de ejecución de métodos para encontrar soluciones para este modelo es limitado, se propone el diseño e implementación de un algoritmo genético, el cual es un algoritmo de optimización metaheurístico basado en principios evolutivos que se caracteriza por obtener soluciones aproximadas con un tiempo de ejecución menor al de métodos exactos, y permiten generar poblaciones de posibles soluciones para evaluar múltiples objetivos de optimización como la minimización de la inequidad en la distribución y el costo de transporte. Para probar el método exacto y metaheurístico se generará información a partir de datos disponibles del INDECI y la simulación de datos de prueba a partir de distribuciones de probabilidad. Asimismo, se realizará una comparación entre estos métodos, buscando obtener con el algoritmo genético una efectividad aproximada al del método exacto en un tiempo de ejecución mucho menor, y con el objetivo de conocer a partir de qué tamaño de problema es preferible el uso del algoritmo genético. Finalmente, como cada plan de distribución dependerá de las características del desastre a analizar, se propone la implementación de una interfaz de software para la entrada y visualización de información.Item Metadata only Optimización y localización de almacenes de abastecimiento para la atención de un terremoto de gran magnitud en Lima Metropolitana y Callao(Pontificia Universidad Católica del Perú, 2014-06-02) Serpa Oshiro, Verónica Rebeca; Vargas Florez, JorgeLos desastres naturales dejan a su paso muertos, heridos, personas damnificadas, viviendas destruidas y una situación de caos y desesperación. Una vez ocurrido un evento de este tipo, es necesaria la actuación inmediata del Estado que debe ser capaz de proveer alivio rápido a las personas afectadas. Es en este contexto que toma gran importancia la logística humanitaria, que permite brindar ayuda oportuna a las personas afectadas, mitigando las consecuencias derivadas de estos desastres. En la presente tesis, se busca dar solución a esta necesidad, mediante un modelo de optimización que permitirá definir la mejor distribución de almacenes de abastecimiento que brinde ayuda eficiente y oportuna a la población afectada en caso de un terremoto de gran magnitud. Inicialmente, se presentan los principales conceptos asociados a la logística humanitaria. En segundo lugar, se describe la situación actual de la logística humanitaria en el Perú y su funcionamiento a través de organismos del Estado. Posteriormente, se presenta el escenario más crítico de un terremoto de gran magnitud y con ayuda de herramientas de Investigación Operativa, se formula un modelo de optimización, que permite determinar la localización de los almacenes de ayuda humanitaria. Esto se complementa con la presentación de los resultados obtenidos en diferentes escenarios. Finalmente, se presenta la evaluación de la propuesta, en donde se presentan las mejoras en la capacidad y tiempo de respuesta al aplicar el modelo, y los costos y beneficios de la propuesta. El modelo formulado debe ser considerado como punto de partida para nuevas investigaciones, que evalúen un mayor número de criterios y restricciones, mejorándolo y ampliando su alcance.