Clasificación automática de reclamos eléctricos mediante árboles de decisión y random forest: un estudio aplicado a CNEL EP
Fuente:
Redalyc
Enregistré dans:
| Auteur principal: | |
|---|---|
| Format: | Artículo científico |
| Langue: | es |
| Publié: |
Universidad Politécnica Salesiana
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
| _version_ | 1876456842226302976 |
|---|---|
| author | Francisco Javier Carpio Velasco |
| author_facet | Francisco Javier Carpio Velasco |
| contents | Clasificación automática de reclamos eléctricos mediante árboles de decisión y random forest: un estudio aplicado a CNEL EP Francisco Javier Carpio Velasco Gloria Margarita Garcés Beltrán Ingeniería random forest árbol de decisión Reclamos eléctricos aprendizaje automático aprendizaje supervisado Este estudio presenta un sistema de clasificación automática destinado a priorizar reclamos eléctricos en CNEL EP. Para ello se procesaron 143 113 registros reales, incluyendo limpieza de datos, imputación de valores faltantes y la creación de variables predictivas relacionadas con la urgencia y la recurrencia de los reclamos. A partir de estos criterios se construyó la variable objetivo “prioridad”, que permite distinguir entre reclamos prioritarios y normales. Con esta información se entrenaron modelos de aprendizaje supervisado—árbol de decisión y random forest— aplicando técnicas como one-hot encoding y validación cruzada. El modelo random forest obtuvo los mejores resultados, con una exactitud del 91 % y un AUCROC de 0.89. Los resultados muestran que el sistema propuesto puede mejorar significativamente la asignación de recursos técnicos y los tiempos de respuesta ante reclamos eléctricos. Además, demuestra la viabilidad de incorporar técnicas de aprendizaje automático en la gestión operativa de empresas distribuidoras de electricidad, abriendo posibilidades para futuras mejoras y aplicaciones en tiempo real. 2026 artículo científico 1390-650X https://www.redalyc.org/articulo.oa?id=505583422016 https://www.redalyc.org/journal/5055/505583422016/ https://www.redalyc.org/journal/5055/505583422016/html/ https://www.redalyc.org/journal/5055/505583422016/505583422016.epub https://www.redalyc.org/journal/5055/505583422016/movil 10.17163/ings.n35.2026.06 es http://www.redalyc.org/revista.oa?id=5055 Ingenius. Revista de Ciencia y Tecnología application/pdf Universidad Politécnica Salesiana Ingenius. Revista de Ciencia y Tecnología (Ecuador) Num.35 |
| format | Artículo científico |
| id | redalyc_505583422016 |
| institution | Redalyc |
| language | es |
| publishDate | 2026 |
| publisher | Universidad Politécnica Salesiana |
| spellingShingle | Clasificación automática de reclamos eléctricos mediante árboles de decisión y random forest: un estudio aplicado a CNEL EP Francisco Javier Carpio Velasco Ingeniería random forest árbol de decisión Reclamos eléctricos aprendizaje automático aprendizaje supervisado Clasificación automática de reclamos eléctricos mediante árboles de decisión y random forest: un estudio aplicado a CNEL EP Francisco Javier Carpio Velasco Gloria Margarita Garcés Beltrán Ingeniería random forest árbol de decisión Reclamos eléctricos aprendizaje automático aprendizaje supervisado Este estudio presenta un sistema de clasificación automática destinado a priorizar reclamos eléctricos en CNEL EP. Para ello se procesaron 143 113 registros reales, incluyendo limpieza de datos, imputación de valores faltantes y la creación de variables predictivas relacionadas con la urgencia y la recurrencia de los reclamos. A partir de estos criterios se construyó la variable objetivo “prioridad”, que permite distinguir entre reclamos prioritarios y normales. Con esta información se entrenaron modelos de aprendizaje supervisado—árbol de decisión y random forest— aplicando técnicas como one-hot encoding y validación cruzada. El modelo random forest obtuvo los mejores resultados, con una exactitud del 91 % y un AUCROC de 0.89. Los resultados muestran que el sistema propuesto puede mejorar significativamente la asignación de recursos técnicos y los tiempos de respuesta ante reclamos eléctricos. Además, demuestra la viabilidad de incorporar técnicas de aprendizaje automático en la gestión operativa de empresas distribuidoras de electricidad, abriendo posibilidades para futuras mejoras y aplicaciones en tiempo real. 2026 artículo científico 1390-650X https://www.redalyc.org/articulo.oa?id=505583422016 https://www.redalyc.org/journal/5055/505583422016/ https://www.redalyc.org/journal/5055/505583422016/html/ https://www.redalyc.org/journal/5055/505583422016/505583422016.epub https://www.redalyc.org/journal/5055/505583422016/movil 10.17163/ings.n35.2026.06 es http://www.redalyc.org/revista.oa?id=5055 Ingenius. Revista de Ciencia y Tecnología application/pdf Universidad Politécnica Salesiana Ingenius. Revista de Ciencia y Tecnología (Ecuador) Num.35 |
| title | Clasificación automática de reclamos eléctricos mediante árboles de decisión y random forest: un estudio aplicado a CNEL EP |
| topic | Ingeniería random forest árbol de decisión Reclamos eléctricos aprendizaje automático aprendizaje supervisado |
| url | https://www.redalyc.org/articulo.oa?id=505583422016 https://www.redalyc.org/journal/5055/505583422016/ https://www.redalyc.org/journal/5055/505583422016/html/ https://www.redalyc.org/journal/5055/505583422016/505583422016.epub https://www.redalyc.org/journal/5055/505583422016/movil |