| dc.description.abstract | La productividad que se logra en el sector de hidrocarburos no es solo el resultado del valor de venta del producto final, también las pérdidas o ganancias en torno a los procesos de operación influyen considerablemente. El monitoreo del proceso que va desde la extracción, el transporte, el procesamiento de producto, y la comercialización, es muy importante. Este seguimiento se realiza por medio de tecnologías que remotamente envían información del estado de los equipos a un software en forma de banderas o excepciones, dicha información es analizada y gestionada por el personal, sin embargo, es una labor complicada debido a la cantidad y a la complejidad de su solución la cual está sujeta a la experiencia del analista. Por lo anterior, y por la criticidad de esta labor, el presente trabajo busca apoyar la clasificación eficiente de excepciones, para ello se toman comentarios que han sido establecidos en la gestión previa por expertos y recopilados en una base de datos. Mediante la implementación de un modelo de Procesamiento del Lenguaje Natural (PLN) se crea una base de conocimiento con datos estructurados que enriquecen el vector de características para posteriormente ejecutar un modelo de Inteligencia Artificial (IA) que clasificará las excepciones reincidentes para categorizarlas y gestionarlas de acuerdo con el comportamiento de la operación, permitiendo que el personal se centre en excepciones nuevas o que requieren un tratamiento particular. | spa |
