Predicción de retrasos en obras civiles aplicando algoritmos de Machine Learning

Medina Martínez, Brayan Alberto

Predicción de retrasos en obras civiles aplicando algoritmos de Machine Learning

dc.contributor.advisor	Mejía Aguilar, Guillermo
dc.contributor.author	Medina Martínez, Brayan Alberto
dc.contributor.evaluator	Tijo López, Silvia Juliana
dc.contributor.evaluator	Herrera Valencia, Rodrigo Fernando
dc.date.accessioned	2022-11-15T15:38:07Z
dc.date.available	2022-11-15T15:38:07Z
dc.date.created	2022-11-15
dc.date.embargoEnd	2027-11-14
dc.date.issued	2022-11-15
dc.description.abstract	La industria de la construcción genera un volumen de datos significativo a lo largo del desarrollo del ciclo de vida de los proyectos, estos datos acompañados de un correcto análisis pueden generan conocimiento útil para mejorar el desempeño en las múltiples áreas técnicas de los proyectos de construcción. Uno de los mayores desafíos en la industria de la construcción corresponde a los retrasos en los tiempos de ejecución de los proyectos, siendo estos afectados por factores provenientes de diversas fuentes, lo que conlleva a consecuencias de orden económico, social y legal, por tal motivo, es fundamental que los gerentes de proyectos empleen herramientas adecuadas para estimar las duraciones de las obras basadas en un análisis de datos objetivo y fáctico. En el marco de la cuarta revolución industrial, han surgido técnicas y herramientas basadas en inteligencia artificial, estadística e inteligencia empresarial que buscan dar soporte a la toma de decisiones informadas. En el presente trabajo de investigación se presenta una metodología basada en algoritmos de Machine Learning para predecir tiempos de retrasos en proyectos de obra civil, apoyado de un estudio y análisis de factores de retraso que afectan los proyectos de construcción para finalmente integrarlo como herramienta a un marco de gestión de proyectos que garantice la reproducción de este análisis de datos y la inclusión en los sistemas de calidad de las empresas.
dc.description.abstractenglish	The construction industry generates a significant volume of data throughout the development of the life cycle of projects, this data accompanied by a correct analysis can generate useful knowledge to improve performance in multiple technical areas of construction projects. One of the biggest challenges in the construction industry corresponds to delays in project execution times, which are affected by factors from various sources, leading to economic, social and legal consequences. For this reason, it is essential that project managers use appropriate tools to estimate project durations based on an objective and factual data analysis. In the framework of the fourth industrial revolution, techniques and tools based on artificial intelligence, statistics and business intelligence have emerged to support informed decision making. This research work presents a methodology based on Machine Learning algorithms to predict delay times in civil works projects, supported by a study and analysis of delay factors that affect construction projects to finally integrate it as a tool to a project management framework that ensures the reproduction of this data analysis and the inclusion in the quality systems of companies.
dc.description.degreelevel	Maestría
dc.description.degreename	Magíster en Ingeniería Civil
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/12072
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Maestría en Ingeniería Civil
dc.publisher.school	Escuela de Ingenieria Civil
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Factores de retraso
dc.subject	Machine Learning
dc.subject	Inteligencia artificial
dc.subject.keyword	Delay factors
dc.subject.keyword	Machine Learning
dc.subject.keyword	Artificial intelligence
dc.title	Predicción de retrasos en obras civiles aplicando algoritmos de Machine Learning
dc.title.english	Prediction of Delays in Civil Works Applying Machine Learning Algorithms
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type