| dc.contributor.advisor | Ruiz Escorcia, Rafael Roberto | |
| dc.coverage.spatial | cead_-_josé_acevedo_y_gómez | |
| dc.creator | Chaves Aguilar, Luis Enrique | |
| dc.date.accessioned | 2025-09-12T15:14:19Z | |
| dc.date.available | 2025-09-12T15:14:19Z | |
| dc.date.created | 2025-03-25 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/73792 | |
| dc.description.abstract | El presente trabajo de grado, titulado "Data Analytics para el Monitoreo y Seguimiento Contractual de KPIs de Mantenimiento en la Flota Eléctrica de la Operadora Distrital de Transporte", tiene como propósito desarrollar una solución analítica que permita transformar datos históricos de mantenimiento en información estratégica para la toma de decisiones. En el entorno actual, caracterizado por la digitalización y la necesidad de optimizar recursos, el uso de herramientas de ciencia de datos se ha convertido en una ventaja competitiva para la gestión de activos y la mejora continua en los procesos de mantenimiento.
La investigación se centra en la flota eléctrica del Sistema Integrado de Transporte Público (SITP), administrada por la Operadora Distrital de Transporte, la cual enfrenta retos importantes relacionados con la consolidación de datos y el análisis oportuno de indicadores contractuales. Estos retos limitan la capacidad de obtener una visión integral del estado operativo de la flota y de implementar estrategias preventivas que garanticen la confiabilidad y disponibilidad del servicio. Para abordar esta problemática, se diseñó un flujo de trabajo basado en Python, para la limpieza y procesamiento de datos, complementado con Power BI y Plotly Express, con el fin de crear visualizaciones dinámicas y Dashboard interactivos.
Se calcularon cuatro indicadores contractuales clave, los cuales fueron seleccionados por su relevancia en la evaluación del desempeño del mantenimiento. A través del análisis de datos históricos (2022-2024), se identificaron tendencias, patrones y anomalías que pueden influir en el cumplimiento de las metas operativas y contractuales. Este enfoque analítico no solo permite una evaluación precisa del estado actual de los indicadores, sino que también facilita la generación de recomendaciones orientadas a optimizar la gestión de mantenimiento.
El producto final no se limita a la creación de Dashboard, sino que incluye un análisis exhaustivo del cumplimiento de cada uno de los KPIs, proporcionando una herramienta integral de apoyo a la toma de decisiones estratégicas. Además, este trabajo sienta las bases para el desarrollo futuro de modelos de mantenimiento predictivo, orientados a mejorar la disponibilidad, reducir costos y aumentar la eficiencia operativa de la flota eléctrica del SITP. | |
| dc.format | pdf | |
| dc.title | Data analytics para el monitoreo y seguimiento contractual de KPI´s de mantenimiento en la flota eléctrica de la Operadora Distrital de Transporte | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Analítica de Datos | |
| dc.subject.keywords | Gestión de Mantenimiento | |
| dc.subject.keywords | KPIs de Mantenimiento | |
| dc.subject.keywords | Flota Eléctrica SITP | |
| dc.subject.keywords | Visualización Interactiva | |
| dc.description.abstractenglish | This undergraduate thesis, titled "Data Analytics for the Monitoring and Contractual Tracking of Maintenance KPIs in the Electric Fleet of the District Transport Operator", aims to develop an analytical solution that transforms historical maintenance data into strategic information for decision-making. In today’s environment, characterized by digital transformation and the need to optimize resources, the use of data science tools has become a competitive advantage for asset management and the continuous improvement of maintenance processes.
The research focuses on the electric fleet of Bogotá’s Integrated Public Transport System (SITP), managed by the District Transport Operator, which faces significant challenges related to data consolidation and the timely analysis of contractual indicators. These challenges limit the ability to obtain a comprehensive view of the fleet’s operational condition and to implement preventive strategies that ensure service reliability and availability. To address this issue, a data workflow was designed using Python for data cleaning and processing, complemented with Power BI and Plotly Express to create dynamic visualizations and interactive dashboards.
Four key contractual indicators were calculated, selected due to their relevance in evaluating maintenance performance. By analyzing historical data from 2022 to 2024, trends, patterns, and anomalies were identified that could impact the achievement of operational and contractual targets. This analytical approach not only enables an accurate evaluation of the current state of the KPIs but also facilitates the generation of recommendations aimed at optimizing maintenance management.
The final product goes beyond dashboard creation, offering a comprehensive analysis of the current compliance status of each KPI, thus providing a robust decision-support tool. Furthermore, this work lays the foundation for the future development of predictive maintenance models, aimed at improving fleet availability, reducing costs, and increasing the operational efficiency of the SITP electric fleet. | |
| dc.subject.category | Análisis de datos | |
