Predicción de causal de paralización de obras según sus características

[Efrain Rodriguez]

TEMA:
Predicción de causal de paralización de obras según sus características

ABSTRACT:


En el presente trabajo de investigación se desarrollaron modelos de Machine Learning supervisados para predecir la causal de paralización de una obra de inversión pública. Los modelos implementados incluyeron Tree J48, Random Forest, SVM (Support Vector Machines) y Redes Neuronales. Para este propósito, se construyó un dataset a partir de los datos de los informes trimestrales de la Contraloría General de la República del Perú, recopilando información desde septiembre de 2023 hasta septiembre de 2024. Este dataset contiene un total de 13,756 registros que incluyen variables como las características de la obra, ubicación, porcentaje de avance, tipología de obra, modalidad de contratación, entre otras.

Los resultados muestran la efectividad de los algoritmos de Machine Learning para predecir las causales de paralización, destacando Random Forest como el modelo con mejor desempeño. Este trabajo constituye un avance significativo en la optimización de la gestión de proyectos de infraestructura pública en el Perú y abre nuevas posibilidades para la toma de decisiones basada en datos.

INTEGRANTES:
Apaestegui Ortega, Roger
Huamani Ortega, Ronald
Palomino Gonzales, Javier
Rodriguez Infantes, Efrain
Trejo Noreña, Pablo