Asignación de dispositivos para recarga de tarjeta de transporte

Hoy en día las billeteras virtuales están en auge en varios lugares del mundo, uno de esos lugares es América Latina. Los active users crecen a un ritmo muy acelerado. Algunos ejemplos de billeteras son MercadoPago, Brubank, Nubank, entre otros. La innovación en este rubro es constante y cada año las Fintech sacan nuevos productos al mercado. En el caso de Argentina, un producto/feature que tuvo mucha adopción fue el pago con QR. Las billeteras pueden tener varios flujos de productos, como cuenta en USD, transferencias de dinero, pagos, fondeos, retiros, etc. Un flujo particular, que resulta muy importante, es el de single player (recarga de celular, recarga de tarjeta de transporte, pago de servicios, etc.), el cual es una vertiente muy importante en las billeteras virtuales. En Argentina, la recarga de la tarjeta SUBE se realiza en primera instancia con una billetera virtual (se realiza el pago del monto a cargar) y en un segundo paso se actualiza el saldo en la tarjeta. Este último paso se puede hacer con algunas Apps en un teléfono con NFC o bien desde un punto físico de recarga. En este trabajo se analiza cómo distribuir estos puntos físicos de recarga en las paradas de colectivo de una ciudad, el cual es un problema de tipo set covering. El objetivo es usar la menor cantidad de dispositivos brindando un buen servicio al usuario final. Como un análisis extra se suma un estudio para insertar redundancias (dispositivos extra) en zonas importantes o de interés, para eso se tuvo que definir ¿Qué es una zona de interés? y cómo identificarlas Para este trabajo se consideraron la ciudad de Berlín y el AMBA. Sobre estas zonas se usaron las paradas de colectivo como input, luego se complementan con otras fuentes de información y se asignan los dispositivos según cuatro modelos diferentes. Sobre cada modelo se hace un análisis de los resultados obtenidos. El primer modelo planteado es por fuerza bruta. Los restantes son de Programación Lineal Entera: uno un modelo estándar, en el siguiente se agregaron restricciones por puntos de interés cercanos y el último suma restricciones de redundancias. A lo largo del trabajo se demostró las limitaciones del algoritmo por fuerza bruta y la escalabilidad de las soluciones con modelos de Programación Lineal Entera, pudiendo definir de manera precisa y objetiva donde colocar los dispositivos en las ciudades.

Name thesis:degree_name

Master in Management + Analytics

Grantor dc:publisher

Universidad Torcuato Di Tella

Year dc:date.issued

2023

Author dc:creator

• Costa, Juan

Advisor dc:contributor.advisor

• Marenco, Javier

• Programación lineal entera
• Transporte público
• Medios de Pago
• Payment methods

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

spa

Repository record dc:identifier.uri

https://repositorio.utdt.edu/handle/20.500.13098/12086

OAI identifier oai:identifier

oai:repositorio.utdt.edu:20.500.13098/12086