Aplicación de un algoritmo de aprendizaje automático para mejorar la estimación a la terminación de un proyecto (EAC) en una empresa del sector Oil & Gas con base en métricas de gestión de valor ganado (EVM)

Abstract

Este trabajo propone aplicar un modelo predictivo de aprendizaje automático para mejorar la estimación del costo final de proyectos en el sector Oil & Gas, utilizando métricas de gestión del valor ganado (EVM). La gestión del valor ganado es una metodología tradicionalmente aceptada para estimar costos finales, pero presenta diferencias significativas con los costos reales debido a diversos factores. El escenario esperado es implementar un algoritmo de aprendizaje automático que, basado en datos de seguimiento y métricas de EVM, genere estimaciones más precisas, optimizando la toma de decisiones de los Project Management Professional (PMP). La metodología incluye un diseño cuantitativo de enfoque correlacional, utilizando datos de fuentes privadas organizacionales (Project Online y Excel) y librerías (Pandas, Numpy, Matplotlib, Scikit-learn, etc) de Python para análisis el descriptivo y el desarrollo de los modelos. Se espera validar el modelo propuesto con métricas como el Error cuadrático medio para reconocer la precisión de las estimaciones respecto a los datos reales.