Uso de tecnologías basadas en Inteligencia Artificial para optimizar la gestión de riesgos y cumplimiento de estándar de calidad de los proyectos en el sector eléctrico en Colombia
| dc.contributor.advisor | Zabala Vargas, Sergio Andrés | |
| dc.contributor.author | Calderon Ballesteros, Mauricio Jose | |
| dc.coverage.spatial | Bogotá D.C. | |
| dc.date.accessioned | 2025-11-27T13:19:22Z | |
| dc.date.available | 2025-11-27T13:19:22Z | |
| dc.date.issued | 2024-09-13 | |
| dc.description | Proponer un conjunto de estrategias y recomendaciones para la incorporación de tecnologías emergentes como la inteligencia artificial en la gestión de proyectos en Colombia; con la finalidad de optimizar la administración de proyectos en las áreas de Riesgos y Calidad para facilitar la toma de decisiones en el Sector electico. | |
| dc.description.abstract | A través de los años la tecnología ha estado avanzando siempre en aras de mejorar los procedimientos o procesos que la humanidad requiere para desempeñar de una manera óptima cada una de sus actividades, lo cual facilita la realización de actividades en cada sector, en este caso el industrial. Por lo anterior, es importante resaltar que las empresas eléctricas de Colombia han puesto en marcha procesos enfocados en la inteligencia artificial, ya que esta le permite una serie de ventajas o beneficios en el desarrollo normal de sus procesos operativos, automatización de los procedimientos, generando mayor productividad, rendimiento y optimización del tiempo, recursos, protegerse de ciberataques y evitar apagones por fallas operacionales, es por ello, que el presente escrito tiene como objetivo estudiar la aplicación de tecnologías basadas en Inteligencia Artificial para optimizar la gestión de riesgos y cumplimiento de estándar de calidad de los proyectos en el sector de Energía y Eléctrico en Colombia. Se busca con este proyecto de investigación darle respuesta a un problema que son los continuos fallos operacionales y ataques cibernéticos en empresas de Energía causando apagones y pérdidas económicas y, para ello, plantea una hipótesis que se busca solucionar a través de una serie de estrategias o acciones encaminadas a aplicar tecnologías basadas en IA para controlar y minimizar los riesgos de las empresas de energía y cumplir las normativas que temas de calidad exige el Consejo Nacional de Operación de energía de Colombia – CNO a las empresas de energía Eléctrica | |
| dc.description.abstract | This degree project seeks to propose a set of strategies and recommendations for the incorporation of emerging technologies (Artificial Intelligence) in project management in Colombia; with the purpose of optimizing project administration in Risk and Quality Management and facilitating decision making. This project seeks to diagnose the current state of the implementation of emerging technologies in project management in the energy and electrical sector, based on the literature review and the database that the node project has compiled. In the end, it seeks to propose a set of strategies and recommendations for the implementation of emerging technologies in project management in Colombia; that can become a reference of interest for the productive apparatus associated with the electricity sector. | |
| dc.format.extent | 112 páginas | |
| dc.identifier.citation | Calderon Ballesteros, M. (2024). Uso de tecnologías basadas en Inteligencia Artificial para optimizar la gestión de riesgos y cumplimiento de estándar de calidad de los proyectos en el sector eléctrico en Colombia. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO. | |
| dc.identifier.uri | https://hdl.handle.net/10656/22643 | |
| dc.language.iso | es | |
| dc.publisher | Corporación Universitaria Minuto de Dios - UNIMINUTO | |
| dc.publisher.department | Posgrado (Virtual) | |
| dc.publisher.program | Especialización en Gerencia de Proyectos | |
| dc.rights | Acceso Abierto - http://purl.org/coar/access_right/c_abf2 | |
| dc.rights.license | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Gestión de Proyectos | |
| dc.subject.keywords | Sector Eléctrico | |
| dc.title | Uso de tecnologías basadas en Inteligencia Artificial para optimizar la gestión de riesgos y cumplimiento de estándar de calidad de los proyectos en el sector eléctrico en Colombia | |
| dc.type | Trabajo de Investigación e Innovación | |
| dc.type.coar | thesis | |
| dcterms.bibliographicCitation | Astélum-Escalante, J. (2021). El reporte de investigación. En El camino de la investigación (pp. 119-121). McGraw-Hill Interamericana Bartodziej, C. J. (2017). The concept industry 4.0. An empirical analysis of technologies and Baur, C. & Wee, D. (2015). Manufacturing’s next act. McKinsey & Company. Beier, G., Niehoff, S., Ziems, T. & Xue, B. (2017). Sustainability aspects of a digitalized Bernal Torres, C. A. (2022). Conclusiones. En Metodología de la investigación (p. 303). Pearson Educación. Bernal Torres, C. A. (2022). Software para el análisis de datos cualitativos y cuantitativos. En Metodología de la investigación (pp. 96-101). Pearson Education. Bernal Torres, C. A. (2022). Descripción y análisis de resultados. En Metodología de la investigación (p. 303). Pearson Educación Casas Anguita, C.P, (2002). La encuesta como técnica de investigación, elaboración de cuestionarios y tratamiento estadístico. https://core.ac.uk/download/pdf/82245762.pdf Brynjolfsson, E. & McAfee, A. (2014). The second machine age: Work, progress, and Business Management. In: Ni, J. et al. (Eds.): AMP 2018, LNME, pp. 37–56 Cooke, B., & Williams, P. (2013). Construction planning, programming and control. John Wiley & Sons. Chenya, L., Aminudin, E., Mohd, S., & Yap, L. S. (2022). Intelligent Risk Management in Construction Projects: Systematic Literature Review. IEEE Access, 10, 72936-72954. https://doi.org/10.1109/ACCESS.2022.3189157 Chovancova, B., Dorocakova, M. & Malacka, V. (2018). Changes in industrial structure of Colombia inteligente (2023) en su estudio Ciberseguridad en el sector eléctrico colombiano: https://colombiainteligente.org/es_co/producto/ciberseguridad-en-el-sector-electricocolombiano-evaluacion-de-la-madurez/ Darko, A., Chan, A. P. C., Adabre, M. A., Edwards, D. J., Hosseini, M. R., & Ameyaw, E. E. (2020). Artificial intelligence in the AEC industry: Scientometric analysis and visualization of research activities. Automation in Construction, 112, 103081. https://doi.org/10.1016/j.autcon.2020.103081 Deloitte (2017). Forces of change: Industry 4.0. Delloitte (2020) en su estudio Ciberseguridad en el Sector Eléctrico - Amenazas para sistemas TI y OT. https://www2.deloitte.com/content/dam/Deloitte/co/Documents/risk/clciberseguridad-en-el-sector-electrico-diciembre-2020.pdf Đuričin, D. & Herceg, I. V. (2018). Industry 4.0 and Paradigm Change in Economics and El Centro de ciberseguridad Industrial – CCI (2023). https://www.cci-es.org/ciberseguridadindustrial-sector-electrico/ Feng, N. (2022). The Influence Mechanism of BIM on Green Building Engineering Project Management under the Background of Big Data. Applied Bionics and Biomechanics, 2022, 8227930. https://doi.org/10.1155/2022/8227930 Gastélum-Escalante, J. (2021). Conclusiones y Resultados. En El camino de la investigación (pp. 117-119). McGraw-Hill Interamericana. Gastélum-Escalante, J. (2021). El reporte de investigación. En El camino de la investigation (pp. 119-121). McGraw-Hill Interamericana. GDP and stock indices also with regard to the Industry 4.0. Business and Economic Gilchrist, A. (2016). Industry 4.0: The Industrial Internet of Things. Bangken, Nonthaburi, Gupta, D., & Rani, R. (2019). A study of big data evolution and research challenges. Journal of Information Science, 45(3), 322-340. https://doi.org/10.1177/0165551518789880 Haider, M. (2015). Getting started with data science: Making sense of data with analytics. IBM Press. Hernández Sampieri, R. y Mendoza Torres, C. P. (2018). Elaboración del reporte de resultados del proceso cuantitativo y del proceso cualitativo. En Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta (pp. 570-608). McGraw-Hill. Hernández Sampieri, R. y Mendoza Torres, C. P. (2018). Recolección de datos en la ruta cuantitativa. En Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta (pp. 224-309). McGraw-Hill. Hernández Sampieri, R. y Mendoza Torres, C. P. (2018). Recolección y análisis de datos en la ruta cualitativa. En Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta (pp. 440-521). McGraw-Hill. Horizons (BEH), Vol. 14, 402-414. Interreg - North Sea Region - European Regional Development Fund. (2021). Industry 4.0 Awareness/Readiness tool. https://northsearegion.eu/growin4/tools-and-methods- foryou-to-use/industry-40-awarenessreadiness-tool/ Jaimes-Quintanilla, María & Zabala-Vargas, Sergio. (2024). Inteligencia artificial en la gestión de proyectos: caso construcción y obra civil [Artificial intelligence in project management: case of construction and civil works]. European Public & Social Innovation Review, número(vol.), pp.-pp. http://doi.org/... Kanyilmaz, A., Tichell, P. R. N., & Loiacono, D. (2022). A genetic algorithm tool for conceptual structural design with cost and embodied carbon optimization. Engineering Applications of Artificial Intelligence, 112, 104711. https://doi.org/10.1016/j.engappai.2022.104711 Kelleher, J. D., & Tierney, B. (2018). Data science. MIT Press. Lester, A. (2013). Project Management, Planning and Control: Managing Engineering, Construction and Manufacturing Projects to PMI, APM and BSI Standards (p. 24). Elsevier Science. Loyola, M. (2018). Big data in building design: A review. J. Inf. Technol. Constr., 23, 259-284. Netscher, P. (2014). Successful Construction Project Management: The Practical Guide. Panet Publications. Millán, V. (2024). OpenAI presenta ChatGPT team: Cómo usar (y ahorrar) en la versión para empresas de su chat de inteligencia artificial. Mukherjee, S. P. (2019). Preparing a research paper / report. En A guide to research methodology: An overview of research problems, tasks and methods (pp. 223-224). Taylor & Francis Group Mukherjee, S. P. (2019). Analysis of dynamic data. En A guide to research methodology: An overview of research problems, tasks and methods (pp. 213-220). Taylor & Francis Group. Mukherjee, S. P. (2019). Preparing a research paper / report. En A guide to research methodology: An overview of research problems, tasks and methods (pp. 223-224). Taylor & Francis Group. Pinzón Rincón, J. L., & Remolina Millan, A. (2017). Evaluación de herramientas para la gerencia de proyectos basados en los principios del PMI y la experiencia. Poor, R., Jani, R., Moradinia, S., & Bakhshi, R. (2022). Presenting a Hybrid Scheme of Machine Learning Combined with Metaheuristic Optimizers for Predicting Final Cost and Time of Project. Romera, J. (2023). La inteligencia artificial digitaliza las hojas de gastos en las empresas. Rúa Flórez, L. J. (2015). Proceso de adaptación de un modelo administrativo convencional a un modelo basado en PMBOK. Trabajo de grado, Corporación Universitaria Minuto de dios, 2. Pimienta Prieto, J. H., Estrada Coronado, R. M. y de la Orden Hoz, A. (2018). Reporte de investigación. En Metodología de la investigación: competencias + aprendizaje + vida (pp. 100-133). Pearson Educación. Project Management Institute. (2017). Guía de los Fundamentos Para la Dirección de Proyectos (Guía del Pmbok) (6.a ed., p. 589). Prosperity in a time of brilliant technologies. New York, USA: W.W. Norton & Company. Risso, V. G. (2017///Apr/Jun). Estudio de los métodos de investigación y técnicas derecolección de datos utilizadas en bibliotecología y ciencia de la información. [Study of the research ethods and data collection techniques used in library and information science] Revista Espanola De Documentación Científica, 40(2), 1-13. doi: https://doi.org/10.3989/redc.2017.2.1333 Segovia Quintero, L. (2022, agosto 22). Paquetes estadísticos en Investigación. [Pódcast]. Zabala-Vargas, S., Jaimes-Quintanilla, M., & Jimenez-Barrera, M. H. (2023). Big Data, Data Science, and Artificial Intelligence for Project Management in the Architecture, Engineering, and Construction Industry: A Systematic Review. Buildings, 13(12), 2944. Zabala-Vargas, S., Jiménez-Barrera, M., Vargas-Sanchez, L., & Jaimes-Quintanilla, M. (2023). Big data in construction project management: The Colombian northeast case. Life- Cycle of Structures and Infrastructure Systems, 1, 3476-3483. |