Contexto: En la actualidad, la administración del inventario representa un reto dadas las constantes exigencias de temporalidad, ubicación geográfica, variabilidad en los precios, disponibilidad presupuestal, entre otros. En las tiendas de barrio, este proceso se realiza de forma manual y con base en la experiencia (se ignoran los datos generados), lo que en ocasiones no es suficiente para responder a los cambios. Esto muestra la necesidad de desarrollar nuevas estrategias y herramientas que utilicen técnicas de análisis de datos. Método: Nuestra metodología predice la demanda semanal para 14 productos comunes en tiendas de barrio, la cual se refina posteriormente en función del capital de inversión para optimizar la ganancia. El método se valida a través de una base de datos construida con información sintética extraída a partir de muestreo estadístico. Para la predicción, se utilizan tres modelos de aprendizaje supervisado: máquinas de soporte vectorial (SVM), modelos AutoRegresivos (ARx) y procesos Gaussianos (GP). Luego, se plantea un modelo lineal restringido dada una inversión y las cantidades pronosticadas; el propósito es refinar la predicción maximizando la ganancia del tendero. Finalmente, el problema se soluciona aplicando un paradigma de programación lineal entera. Resultados: Se realizan pruebas para las etapas de predicción y ajustes del inventario, donde se demuestra que la metodología logra predecir la dinámica temporal de los datos infiriendo los momentos estadísticos de las distribuciones utilizadas. Se muestra que es posible obtener una máxima ganancia con un monto menor de inversión. Conclusiones: Nuestra metodología que permite predecir y refinar la gestión de inventario en un modelo de tienda de barrio en el que las cantidades se administran para maximizar las ganancias del tendero. Lo anterior abre el camino para explorar este enfoque en un escenario real o introducir nuevas técnicas que puedan mejorar su desempeño.

Objetivo: El objetivo de este trabajo es proponer una metodología para la ubicación y dimensionamiento óptimo de DSTATCOM dentro de un sistema eléctrico de distribución, con el objetivo de reducir los costos operativos anualizados relacionados con las pérdidas anuales de energía eléctrica y los costos de inversión asociados con la instalación. del DSTATCOM. Contexto: Este documento presenta una metodología híbrida basada en una estrategia maestro-esclavo entre los algoritmos genético y el de optimización de cúmulos de partículas para resolver el problema de localización y dimensionamiento de compensadores estáticos distribuidos (D-STATCOMs) para compensación reactiva en la red eléctrica de distribución. Metodología: En este manuscrito fue empleado una formulación matemática que representa el efecto de la localización y dimensionamiento de compensadores D-STATCOMs en la red eléctrica de distribución; para lo cual se propone una estrategia maestro-esclavo entre los algoritmos genético y el de optimización de cúmulos de partículas como método de solución. Adicionalmente, con el objetivo principal de evaluar la efectividad y robustez del algoritmo fueron utilizados tres métodos de comparación, dos sistemas de prueba y múltiples consideraciones técnicas que representan las redes eléctricas de distribución de energía bajo un ambiente de recursos energéticos distribuidos. Resultados: Los resultados obtenidos demostraron que la metodología de solución propuesta es la más efectiva de todos los métodos de solución empleados para resolver el problema aquí discutido. Logrando obtener la mayor reducción en los costos operativos del sistema con reducidos costos de inversión. Esta metodología permitirá a los operadores de red identificar la localización y dimensionamiento de los generadores dentro del sistema eléctrico de distribución de energía, con los menores costos de inversión en relación a otros trabajos reportados en la literatura especializada. Conclusiones: Los resultados obtenidos demostraron que el GA/PSO alcanzó los mejores resultados, con el método DCVSA en el segundo lugar y los optimizadores de GAMS en tercero. Es importante notar que, en el sistema de 69 nodos no fue posible evaluar los optimizadores de GAMS, debido que estos fallan al solucionar el problema. Basado en los resultados anteriores, fue posible concluir que el GA/PSO es el método de optimización más adecuado para resolver el problema de localización y dimensionamiento de D-STATCOMs en redes eléctricas de distribución.