Formulación de un modelo predictivo de accidentes a través de data mining para faenas mineras de Copec S.A.

Simple item page
dc.contributor.advisorRiquelme Rodríguez, Juan Pablo
dc.contributor.authorAhumada Rojas, Brandon
dc.contributor.authorMuñoz Cortés, Tania
dc.contributor.authorOpazo Bórquez, David
dc.contributor.authorViza Supanta, Ana
dc.date.accessioned2026-06-10T22:54:28Z
dc.date.available2026-06-10T22:54:28Z
dc.date.issued2017
dc.descriptionCopec (Compañía de Petróleos de Chile S.A.) es la empresa distribuidora de combustible con mayor participación de mercado en el país. Uno de sus importantes clientes es la gran minería, y es en este sentido que resulta fundamental mantener altos estándares de seguridad en los trabajos realizados en faenas mineras. A partir de lo anterior, el departamento de MPS (Medio ambiente, Prevención y Seguridad) busca disminuir aproximadamente en un 10% los eventos negativos en un año dentro de la faena Codelco (Corporación Nacional del Cobre) DMH (División Ministro Hales) en la cual opera Copec. Para ello, el grupo de trabajo ha propuesto resolver la problemática mediante minería de datos, específicamente siguiendo la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), en la cual se determinan objetivos y criterios de éxito, variables a usar y técnicas de Machine Learning que permitan crear un modelo probabilístico para predecir accidentes. Las técnicas utilizadas fueron: KNN (K Nearest Neighbors), Árbol de decisión, Redes neuronales, Regresión logística y SVM (Support Vector Machine), para determinar la mejor de ellas se consideró la asertividad de la predicción, interpretabilidad del modelo y coherencia de los resultados. En base a esto se identificó como mejor modelo el Árbol de decisión, que entregó “Recall” de 85,48%, lo que representa el total de accidentes predichos correctamente. La base de datos utilizada contiene datos con y sin accidentes, los primeros fueron extraídos de la plataforma online de la compañía, los segundos se recrearon en base a información proporcionada por la empresa debido a que actualmente estos datos no se registran de la forma necesaria para el desarrollo del proyecto. Dado lo anterior, se elaboró un manual de usuario que permite entender de forma sencilla cómo implementar este trabajo en el software RapidMiner Studio con datos completamente reales. Con este proyecto se logrará disminuir los costos asociados a accidentes, mantener en el mínimo el pago de primas por seguros (0,95% del total de remuneraciones imponibles) y mantener la buena imagen de la compañía aumentando con esto último la posibilidad de adjudicación de nuevos contratos mineros.
dc.descriptionTesis no autorizada por el autor para ser publicada de manera electrónica.
dc.descriptionPregrado.
dc.descriptionIncluye bibliografía h.: 94-96.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniería civil industrial
dc.description.departmentDepartamento de Ingeniería Industrial
dc.description.facultyFacultad de Ingeniería y Ciencias Geológicas
dc.description.programIngeniería civil industrial
dc.identifier.urihttps://ucn.primo.exlibrisgroup.com/discovery/fulldisplay?vid=56UCN_INST:UCN&lang=es&search_scope=MyInst_and_CI&tab=ALL&docid=alma990000572510107936
dc.identifier.urihttps://tesis.ucn.cl/handle/20.500.14385/41427
dc.publisherUniversidad Católica del Norte,
dc.subjectCombustibles
dc.subjectPrevención de accidentes.
dc.subjectSeguridad industrial.
dc.subjectIngeniería industrial.
dc.titleFormulación de un modelo predictivo de accidentes a través de data mining para faenas mineras de Copec S.A.
dc.typebachelor thesis

Files

Collections

Tesis Pregrado