https://repository.unad.edu.co/handle/10596/62732 2026-06-12T17:04:31Z 2026-06-12T17:04:31Z https://repository.unad.edu.co/handle/10596/82159 2026-06-10T21:52:15Z 2026-06-06T00:00:00Z

Modelos de predicción de la demanda eléctrica y detección de picos de consumo mediante series de tiempo y Machine Learning La proyección de la demanda eléctrica es un desafío global que requiere herramientas avanzadas para reducir la incertidumbre generada por la variabilidad climática y otras condiciones socioeconómicas de cada región. Colombia se enfrenta a retos específicos asociados al crecimiento de la población y la alta dependencia de generación hidroeléctrica, lo cual hace indispensable el desarrollo e implementación de metodologías robustas de estimación de la demanda. En consecuencia, se implementó un proceso de evaluación de dos modelos de series de tiempo y Machine Learning para estimar la demanda de energía eléctrica en Colombia en resoluciones diaria y mensual a partir de datos entre enero de 2015 y diciembre de 2025 y generar pronósticos para el horizonte 2026-2029 con base en la metodología CRISP-DM. Se realizó un análisis exploratorio de datos para comprender la dinámica temporal y la asociación estadística de la demanda eléctrica y los aportes hidrológicos, el volumen de los embalses, el Producto Interno Bruto (PIB) y el crecimiento de la población. A pesar de la fuerte relación entre la población y la demanda eléctrica, se realizó el modelado sin esta ni el PIB debido a su resolución temporal (anual y trimestral, respectivamente). En el modelado se realizó la comparación del enfoque univariado (solo demanda) y un enfoque multivariado (demanda, aportes hidrológicos, volumen de embalses). Fueron implementadas dos arquitecturas: 1) modelo híbrido con series de tiempo y Machine Learning y 2) modelo aditivo generalizado basado en series de tiempo, Prophet. Las métricas para evaluar el desempeño predictivo fueron la raíz del error cuadrático medio (RMSE), el promedio del error absoluto porcentual (MAPE) y el promedio del error escalado absoluto (MASE). La información fue recopilada de XM, el DANE y la UPME. Tras la búsqueda de los hiperparámetros óptimos para cada configuración, el modelo campeón fue el híbrido univariado mensual. El Pipeline para garantizar la reproducibilidad de los resultados de la investigación fue consignado en 4 scripts de Python. En términos generales se evidenció que el enfoque univariado tuvo mejores resultados en todos los procesos de modelado. Las estimaciones del modelo campeón fueron comparadas con proyecciones oficiales de la UPME y el MAPE fue de 2.4%.

2026-06-06T00:00:00Z https://repository.unad.edu.co/handle/10596/82157 2026-06-10T21:44:57Z 2026-03-07T00:00:00Z

Desarrollo de un tablero de Business Intelligence en Power BI para la optimización de rutas logísticas Este trabajo de grado tiene como propósito el desarrollo de un tablero de Business Intelligence en Power BI orientado al análisis de rutas logísticas, con el fin de apoyar la toma de decisiones en el sector transporte. El estudio parte de una problemática recurrente en muchas empresas del sector, especialmente pequeñas y medianas, relacionada con la planificación ineficiente de rutas, la cual se traduce en mayores costos operativos, retrasos en las entregas y un impacto ambiental innecesario. El proyecto se desarrolla bajo un enfoque aplicado y analítico, apoyado en el marco metodológico CRISP-DM, que permitió organizar de manera estructurada las etapas de comprensión del problema, análisis de la información disponible y diseño del modelo de datos y del tablero de visualización. Para el análisis se consideraron variables logísticas relevantes como el tiempo real de entrega, la distancia recorrida, el consumo de combustible y los costos asociados a la operación de transporte. Como resultado del trabajo, se diseñó un tablero interactivo en Power BI que integra indicadores clave de desempeño logístico, facilitando la visualización y el análisis de ineficiencias, así como la identificación de patrones y oportunidades de mejora en la planificación de rutas. Los resultados obtenidos evidencian que el uso de herramientas de Business Intelligence representa una alternativa viable y accesible para mejorar la eficiencia operativa, optimizar costos y fortalecer la toma de decisiones basada en datos en entornos logísticos.

2026-03-07T00:00:00Z https://repository.unad.edu.co/handle/10596/81945 2026-06-04T16:41:49Z 2025-07-22T00:00:00Z

Desarrollo de un sistema predictivo para la modelación de la presencia de aves en áreas afectadas por minería e hidrocarburos en Colombia bajo escenarios de cambio climático El presente documento responde a un desarrollo de proyecto aplicado, donde se presenta un sistema predictivo basado en modelos de distribución de especies para anticipar la presencia de especies de aves en zonas donde ha desarrollado actividades por minería e hidrocarburos o donde existe la probabilidad de realización, considerando escenarios de cambio climático. Se llevará a cabo a través de un enfoque cuantitativo, se integrarán datos de presencia de aves, variables ambientales y climáticas, utilizando técnicas de aprendizaje de forma complementario para obtener el modelo más robusto posible, entre las cuales se encuentran técnicas como MaxEnt, Random Forest y Redes Neuronales. La metodología incluye la recolección de fuentes oficiales y páginas web de confianza en su determinación taxonómica, el procesamiento y la generación de modelos predictivos validados por medio de métricas robustas. Este proyecto busca generar una herramienta que facilite la decisión de proyectos objeto de licenciamiento ambiental, por medio de bioindicadores como lo son aves, para prever daños en los ecosistemas irreversibles para la distribución de especies de este grupo taxonómico.

2025-07-22T00:00:00Z https://repository.unad.edu.co/handle/10596/81769 2026-06-02T17:10:00Z 2026-02-18T00:00:00Z

Aplicabilidad del análisis de datos en jóvenes conectados a las TICS, pero desconectados del conocimiento Durante el año 2022 Open IA “salto a la fama” o incremento su reconocimiento con la Inteligencia Artificial Chat GPT, desde entonces a nivel mundial, quienes ejercen el papel de estudiantes utilizan esta herramienta para cumplir actividades académicas, además, profesionalmente al día de hoy esta siendo muy utilizada, ya que es más fácil y practico realizar una pregunta a los agentes IA, que buscar en foros de internet tales como Wikipedia, Stack Overflow, Yahoo, e incluso en la documentación de bibliotecas académicas o en artificulos. Para este proyecto aplicado, el objetivo fue analizar el impacto de la Inteligencia Artificial y el Internet, en el trabajo académico y el aprendizaje del estudiante mediante la recolección de datos y un dashboard realizado en Power BI. Se realizó un censo a nivel escolar en la Institución Educativa San Mateo, Universidad Don Bosco y Universidad Nacional Abierta y a Distancia, para identificar la usabilidad de las TICS por la juventud que es estudiante, mediante preguntas como por ejemplo su edad, dispositivos tecnológicos usados con mayor frecuencia y el tiempo invertido en dicha actividad, entre otras. A través de un proceso de extracción, transformación y carga, o a nivel de ciencia de datos, mejor conocido como ETL, se diseñó un dashboard que permite realizar un análisis de datos, con el fin de recopilar información que les permita a los docentes de dichas instituciones crear innovadores metodologías de aprendizaje. Mediante 102 estudiantes y 3 instituciones encuestados, se pudo establecer lo siguiente, 85 estudiantes que representan el 83,3% de la muestran utilizan más el celular, además 78 estudiantes invierten la mayoría de su tiempo en redes sociales, con estas dos métricas podemos identificar que la mayoría de estudiantes utilizan los dispositivos móviles a manera de entretenimiento y de hecho, en general, 51 de los estudiantes encuestados utilizan dichas herramientas para entretenimiento y 38 para comunicación. Sin embargo, 94 estudiantes están de acuerdo con que es posible aprender con Inteligencia Artificial y 81 coinciden en que es posible aprender con Tecnología, por lo que teniendo en cuenta esta información, es muy útil innovar en la metodología de aprendizaje para revolucionar como utilizan hoy estas herramientas y apoyarnos éticamente como estudiantes. Palabras clave: Inteligencia Artificial, Internet, Análisis de Datos, Educación y Tecnología.

2026-02-18T00:00:00Z