DYNA

Research on airport reservation bus scheduling

Abstract Passengers face high costs or multiple transfers when they arrive or depart from the airport. In addition, most transportation modes in a city typically stop operating from midnight to early morning, making it impossible for passengers to enjoy quality and inexpensive services. Considering the passenger detour and muti-types, this paper sets up the passenger detour rebate mechanism and constructs the Airport Reservation Bus (ARB) scheduling model to maximize the profit of ARB enterprise. Meanwhile, an Improved Adaptive Genetic Algorithm (IAGA) is designed to solve the model, where the crossover and mutation operations are optimized to prevent it from falling into local optimum. Finally, a case study shows that ARB costs at least 39% less than taxis, with slightly longer travel time. Compared to traditional GA, IAGA reduced running time by more than 12%, showing faster convergence.

Resumen Los pasajeros afrontan altos costos o múltiples trasbordos al viajar al aeropuerto. Además, la mayoría de los medios de transporte urbano cesan su operación de medianoche a primera hora, privando a los pasajeros de servicios económicos y de calidad. Considerando desvíos y tipos mixtos de vehículos, se propone un mecanismo de reembolso por desvío y un modelo de programación de autobuses de reserva aeroportuaria (ARB) para maximizar la rentabilidad. Se diseña un Algoritmo Genético Adaptativo Mejorado (IAGA) optimizando cruce y mutación para evitar el óptimo local. Los casos muestran que el ARB cuesta 39% menos que los taxis con un ligero aumento de tiempo. En comparación con el AG tradicional, el IAGA redujo el tiempo de ejecución en más del 12%, lo que demuestra una convergencia más rápida.

Enhancing urban E-commerce efficiency: a fleet composition benchmark

Abstract In Colombia’s competitive e-commerce market, accurately estimating last-mile delivery fleets is essential for reducing operational costs. The absence of comprehensive models with operational constraints leads to inefficient resource use and limits sustainable practices. This study proposes a heterogeneous fleet composition model to reduce costs and integrate electric and low-consumption vehicles. The methodology includes a literature review, operational characterization of the target company, and an optimization model for a tactical planning period. A Monte Carlo simulation evaluates demand uncertainty through various scenarios. Results indicate a 9.92% cost reduction and over 200% increase in electric vehicle usage within the fleet, supporting environmental goals. The proposed model offers a decision-making benchmark for Colombian e-commerce companies, enhancing competitiveness and contributing to reduced urban pollution.

Resumen En el competitivo mercado colombiano de comercio electrónico, estimar con precisión las flotas para la logística de última milla es clave para reducir los costos operativos. La falta de modelos integrales con restricciones operativas genera un uso ineficiente de recursos y limita prácticas sostenibles. Este estudio propone un modelo de composición de flota heterogénea orientado a disminuir costos e incorporar vehículos eléctricos y de bajo consumo. La metodología incluye una revisión bibliográfica, la caracterización operativa de la empresa objetivo y la formulación de un modelo de optimización para un periodo táctico de planificación. Mediante simulación Monte Carlo se evalúa la incertidumbre de la demanda en distintos escenarios. Los resultados muestran una reducción del 9,92 % en los costos y un aumento superior al 200 % en el uso de vehículos eléctricos, posicionando el modelo como una referencia para la toma de decisiones en empresas de comercio electrónico en Colombia, con beneficios económicos y ambientales.

Integration of AI, RPA and Big Data in strategic accounting management and consulting: perspectives and challenges

Abstract The integration of advanced technologies such as Artificial Intelligence (AI), Robotic Process Automation (RPA) and Big Data is revolutionizing strategic accounting management and consulting. AI optimizes repetitive tasks, improves accuracy in financial data processing and facilitates fraud detection. RPA automates audits, reconciliations and reporting, reducing errors and increasing operational efficiency. Big Data, on the other hand, improves the analysis of financial trends and risk management, enabling more strategic decisions. However, the implementation of these technologies faces significant challenges: resistance to organizational change, digital skills gaps, the need for a robust technological infrastructure and regulatory compliance in data security. This study employs a mixed methodology, combining a systematic literature review, case studies in accounting firms in Colombia and Brazil (PwC, Datactil) and interviews with accounting and technology experts. The findings indicate that while the adoption of AI, RPA and Big Data improves efficiency and client confidence, their success depends on continuous training, change management strategies and sound regulatory frameworks. It is concluded that these technologies are redefining modern accounting, promoting more informed decisions and increasing the competitiveness of the financial sector.

Resumen La integración de tecnologías avanzadas como la Inteligencia Artificial (IA), la Automatización Robótica de Procesos (RPA) y Big Data está revolucionando la gestión y consultoría contable estratégica. La IA optimiza tareas repetitivas, mejora la precisión en el procesamiento de datos financieros y facilita la detección de fraudes. La RPA automatiza auditorías, conciliaciones y generación de informes, reduciendo errores y aumentando la eficiencia operativa. Big Data, por su parte, mejora el análisis de tendencias financieras y la gestión de riesgos, permitiendo decisiones más estratégicas. No obstante, la implementación de estas tecnologías enfrenta desafíos significativos: resistencia al cambio organizacional, brechas en competencias digitales, necesidad de una infraestructura tecnológica robusta y cumplimiento normativo en seguridad de datos. Este estudio emplea una metodología mixta, combinando revisión sistemática de literatura, estudios de caso en firmas contables de Colombia y Brasil (PwC, Datactil) y entrevistas con expertos en contabilidad y tecnología. Los hallazgos indican que, si bien la adopción de IA, RPA y Big Data mejora la eficiencia y confianza del cliente, su éxito depende de capacitación continua, estrategias de gestión del cambio y marcos regulatorios sólidos. Se concluye que estas tecnologías están redefiniendo la contabilidad moderna, promoviendo decisiones más informadas y aumentando la competitividad del sector financiero.

Implementation of Google App script for automatic generation of pre-registration form

Abstract The present study aims to implement Google App Script to optimize the automatic generation of the pre-registration form at FIIS-UNFV. The methodology used is based on applied descriptive research, focused on improving the registration process through automated tools. The results highlight an improvement in the control of quotas, avoiding excesses in courses, as well as the elimination of waiting times for students when completing the process online. Student satisfaction resulting from these changes is 50%, reflecting a positive impact, although there are still strategies to improve to increase satisfaction to 100%.

Resumen El presente estudio tiene como objetivo implementar Google App Script para optimizar la generación automática de la ficha de pre-matrícula en la FIIS-UNFV. La metodología empleada se basa en una investigación descriptiva aplicada, enfocada en mejorar el proceso de matrícula mediante herramientas automatizadas. Los resultados destacan una mejora en el control de cupos, evitando excedentes en los cursos, así como la eliminación de tiempos de espera para los estudiantes al realizar el proceso en línea. La satisfacción estudiantil resultante de estos cambios se sitúa en un 50%, reflejando un impacto positivo, aunque aún existe estrategias para mejorar para incrementar la satisfacción al 100%.

A framework for environmental performance evaluation in resource-constrained air navigation services: a Cuban case study

Abstract The aeronautical sector confronts unprecedented challenges to mitigate its environmental impact amid accelerated climate change and stringent regulations. This study’s objective was to design and apply a methodology for evaluating environmental performance at the Cuban Air Navigation Company through a mixed-methods case study. Based on ISO 14001 and 14031 standards, the methodology's design integrated systematic literature review and documentary analysis and was validated using inductive-deductive and systemic approaches. The results, based on three premises and six key indicators, revealed high compliance in environmental objectives (92.3%) and waste management (102%). However, the evaluation also highlighted key areas for improvement, such as electromobility strategies (70% compliance) and the environmental training plan (83.6% compliance). The resulting framework not only enables monitoring environmental practices to ensure regulatory compliance but also serves as a strategic tool for advancing sustainability and driving continuous management improvement.

Resumen El sector aeronáutico enfrenta desafíos inéditos para mitigar su impacto ambiental ante un cambio climático acelerado y regulaciones más estrictas. Este estudio diseñó y aplicó una metodología para evaluar el desempeño ambiental en la Empresa Cubana de Navegación Aérea mediante un estudio de caso mixto. La metodología, basada en las normas ISO 14001 y 14031, integró la revisión sistemática de literatura y el análisis documental, y fue validada mediante métodos inductivo-deductivos y sistémicos. Los resultados, a partir de tres premisas y seis indicadores clave, mostraron alto cumplimiento en objetivos ambientales (92,3%) y gestión de residuos (102%), pero también revelaron áreas de mejora como la electromovilidad (70%) y la formación ambiental (83,6%). El marco resultante facilita el monitoreo de prácticas ambientales, el cumplimiento normativo y sirve como herramienta estratégica para promover la sostenibilidad y la mejora continua de la gestión.

Classification of pothole distress severity in asphalt pavements using YOLOv8

Abstract Potholes are a type of distress that occurs in pavement surfaces. According to the method adopted for distress surveys, potholes are classified into three levels of severity: low, medium, and high. The severity assessment is traditionally performed through slow and labor-intensive manual procedures. To automate this process, this study employed the YOLOv8s and YOLOv8m models to detect pothole distress and classify its severity. During the training phase, YOLOv8m achieved the best evaluation metrics, while YOLOv8s outperformed in the testing phase, particularly in recognizing high-severity potholes. However, both models failed to effectively detect low and medium severity levels, indicating the need for improvements before field application. One possible explanation for this limitation is the lack of depth information in the input images, a factor that will be addressed in future research.

Resumen Los baches son un tipo de deterioro que ocurre en las superficies de los pavimentos. De acuerdo con el método adoptado para el levantamiento de deterioros, los baches se clasifican en tres niveles de severidad: baja, media y alta. La determinación del nivel de severidad se realiza mediante procedimientos manuales que son lentos y extenuantes. Con el objetivo de automatizar este proceso, este estudio utilizó los modelos YOLOv8s y YOLOv8m para detectar el deterioro tipo bache y clasificar su severidad. En la etapa de entrenamiento, el modelo YOLOv8m obtuvo las mejores métricas, mientras que en la etapa de prueba el YOLOv8s mostró el mejor desempeño, destacándose en el reconocimiento de baches con severidad alta. No obstante, ambos modelos fueron incapaces de reconocer con precisión los niveles de severidad baja y media, lo que indica la necesidad de mejoras para su aplicación en campo. Una posible explicación de esta limitación es la ausencia de información de profundidad en las imágenes utilizadas, cuestión que será abordada en estudios futuros.