Especialización en Big Data

Permanent URI for this collectionhttps://repositorio.pascualbravo.edu.co/handle/pascualbravo/2792

Browse

Browsing Especialización en Big Data by Subject "Automation"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Aplicación de un modelo de regresión logística para predecir inconsistencias en la descarga de información durante el proceso de vinculación de clientes al servicio de energía eléctrica
    (Institución Universitaria Pascual Bravo, 2024) Vélez Quintana, Mateo; Briñez de León, Juan Carlos
    Para una empresa de servicios públicos domiciliarios la vinculación de clientes al servicio de energía eléctrica es un proceso vital en el negocio de la energía eléctrica por lo tanto es necesario garantizar la seguridad y calidad en este proceso. La verificación de solicitudes de conexión al servicio de energía eléctrica toma largos tiempos, es propensa a errores y genera altos costos operativos, además de insatisfacción entre los usuarios. Este proyecto propone el uso de herramientas de Machine Learning para automatizar la identificación de inconsistencias en los cobros de materiales y actividades y creando un modelo que permita predecir inconsistencias, mejorando la eficiencia y eliminando la aleatoriedad en las verificaciones, lo que optimizará recursos, reducirá quejas y fortalecerá la experiencia del cliente. El objetivo general es desarrollar un sistema predictivo que reduzca los tiempos manuales en un 90%, detecte inconsistencias de manera anticipada y permita estrategias de mejora continua. El método incluye la extracción y análisis de datos del sistema transaccional entre enero y octubre de 2024, para crear un modelo que identifique las solicitudes con posibles problemas. El balanceo y análisis de datos atípicos fueron de gran relevancia en el estudio. Aunque modelos como AdaBoostClassifier y XGBClassifier ofrecieron alta precisión, fueron descartados por problemas de sobreajuste. Se elige el modelo basado en Regresión Logistica con un accuracy de 86% ya que se asegura que no esta memorizando.