Encuentra más información en nuestro repositorio digital
Este estudio presenta un sistema de clasificación automatizado para priorizar las quejas sobre el servicio eléctrico en CNEL EP. Se procesaron un total de 143.113 registros reales mediante la limpieza de datos, la imputación de valores faltantes y la ingeniería de variables predictivas que reflejan la urgencia y recurrencia de las quejas. Sobre la base de estos criterios, se definió la variable objetivo «Prioridad» para distinguir las quejas de alta prioridad de las normales. Los modelos de aprendizaje supervisado, específicamente Decision Tree y Random Forest, se entrenaron luego usando una codificación de un solo punto caliente y validación cruzada. Random Forest ofreció el mejor rendimiento, logrando una precisión del 91% y un AUC-ROC de 0,89. Estos resultados indican que el sistema propuesto puede mejorar significativamente la asignación de recursos técnicos y reducir los tiempos de respuesta para las quejas eléctricas