Implementación de un Pipeline automatizado de descarga y limpieza de datos para reportes operacionales y una mejora en el control operacional en Eleccon Maquinarias SpA.
| dc.contributor.advisor | Caro Seguel, Juan Carlos | es |
| dc.contributor.author | Yañez Carrillo, Luciano Mauricio | es |
| dc.date.accessioned | 2026-09-10T13:47:49Z | |
| dc.date.available | 2026-09-10T13:47:49Z | |
| dc.date.issued | 2026 | |
| dc.description | Tesis presentada para optar al título de Ingeniero/a Civil Industrial. | es |
| dc.description.abstract | Las empresas del sector minero-industrial que operen en múltiples frentes de trabajo se ven expuestos a un problema frecuente: convertir grandes volúmenes de datos operacionales desordenados en información confiable y útil para la toma de decisiones. Eleccon Maquinarias SpA., empresa dedicada a obras civiles, movimientos de tierra y arriendo de maquinaria para el sector minero, no es la excepción. Antes del presente proyecto, dos personas intervenían entre 16 y 18 horas por archivo para descargar, limpiar y ordenar reportes operacionales desde de la plataforma Procore, archivos que podían contener hasta 15.000 filas con errores producidos en la digitación, formatos inconsistentes y registros inválidos. Con el propósito de resolver este problema, el presente trabajo muestra el proceso de diseño e implementación de un pipeline automatizado de extracción, transformación y carga de datos (ETL) desarrollado en Python, usando Pandas, Selenium y openpyxl. La solución tiene dos partes: un script que descarga reportes desde Procore de forma automática, y un módulo de validación que aplica nueve reglas de negocio para detectar inconsistencias o errores críticos en los registros. Los resultados evidencien una reducción del tiempo de procesamiento desde 16 horas a aproximadamente 1,5 minutos por archivo, lo cual equivale a una disminución de 99% en el tiempo operativo, con la mitad del personal requerido. Además, en el archivo de validación utilizado se detectaron y clasificaron automáticamente 413 registros con errores, generando trazabilidad por tipo de regla. Los Dashboards generados en Power BI a partir de los datos procesados mostraron una mejora notable en la consistencia y confiabilidad respecto del estado inicial. En conclusión, implementación el pipeline no solo resuelve una necesidad operativa concertar en Eleccon Maquinarias SpA., sino, además, sienta las bases para una estrategia de automatización aplicable en otras áreas relacionadas de la empresa, tales como: asistencia de las personas trabajadoras, control de flota y seguimiento del consumo de combustible, entre otros. | es |
| dc.description.abstract | Companies in the mining and industrial sector operating across multiple work fronts frequently face a common problem: transforming large volumes of disorganized operational data into reliable and useful information for decision-making. Eleccon Maquinarias SpA., a company dedicated to civil works, earthmoving, and machinery rental for the mining sector, is no exception. Before the intervention described in this project, two people spent between 16 and 18 hours per file downloading, cleaning, and organizing operational reports from the Procore platform. These files could contain up to 15,000 rows with data entry errors, formatting inconsistencies, and invalid records. To address this problem, this work presents the design and implementation process of an automated data extraction, transformation, and loading (ETL) pipeline developed in Python, using Pandas, Selenium, and openpyxl. The solution has two parts: a script that automatically downloads reports from Procore, and a validation module that applies nine business rules to detect inconsistencies or critical errors in the records. The results show a reduction in processing time from 16 hours to approximately 1.5 minutes per file, which is equivalent to a 99% decrease in operating time, with half the required personnel. Furthermore, the validation file used automatically detected and classified 413 records with errors, generating traceability by rule type. The dashboards generated in Power BI from the processed data showed a significant improvement in consistency and reliability compared to the initial state. In conclusion, implementing the pipeline not only resolves a critical operational need at Eleccon Maquinarias SpA., but also lays the foundation for an automation strategy applicable to other areas related to company management, such as employee attendance, fleet management, and fuel consumption tracking, among others | en |
| dc.description.campus | Concepción | es |
| dc.description.departamento | Departamento de Ingeniería Industrial | es |
| dc.description.facultad | Facultad de Ingeniería | es |
| dc.identifier.uri | https://repositorio.udec.cl/handle/11594/14528 | |
| dc.language.iso | es | es |
| dc.publisher | Universidad de Concepción | es |
| dc.rights | CC BY-NC-ND 4.0 DEED Attribution-NonCommercial-NoDerivs 4.0 International | en |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Mineria | es |
| dc.subject | Robótica Chile | es |
| dc.subject | Industriales Chile | es |
| dc.subject | Maquinaria minera | es |
| dc.subject | Automatización | es |
| dc.subject.ods | infraestructura | es |
| dc.subject.ods | INDUSTRIA, innovación | es |
| dc.subject.ods | TRABAJO decente y crecimiento económico | es |
| dc.title | Implementación de un Pipeline automatizado de descarga y limpieza de datos para reportes operacionales y una mejora en el control operacional en Eleccon Maquinarias SpA. | es |
| dc.type | Thesis | en |