Universidad Tecnológica del Perú CURSO:

Innovación y Transformación Digital

TEMA:

"Análisis y propuestas para optimizar y automatizar el mantenimiento de la flota de Civa,

enfocadas en mejorar la eficiencia operativa y reducir costos mediante tecnologías como
IoT e inteligencia artificial"

INTEGRANTES:

Huacho Avalos,Stefhanie del Rosario - U20225738

Sánchez Principe,Sebastián Raphael - U20203361
Vicente Agustin Antony Alex - U21206346
Cueva Diaz, Leonardo Joao - U20205181

DOCENTE:

Elescano Pichilingue,Danny Martin

2024
 INDICE
INTRODUCCIÓN 3
1. DESCRIPCIÓN DE LA EMPRESA 4
1.1 Rubro del negocio 4
1.2 MISIÓN Y VISIÓN 4
1.3 Objetivos estratégicos: 4
1.4 Equipo tecnológico 5
1.4.1 SOFTWARE 5
1.4.2 HARDWARE (UTILIZADOS POR LA EMPRESA) 6
1.4.3 SOLUCIONES 6
2. PROBLEMAS DE LA EMPRESA 6
2.1. PROBLEMA 1 6
2.2 SOLUCIÓN PROPUESTA 1 7
2.3 PROBLEMA 2 8
2.4 SOLUCIÓN PROPUESTA 2 9
3. SOLUCIÓN DEL PROYECTO: 10
3.1 ALCANCE DE LA TECNOLOGÍA 10
3.2 FLUJO DE LA SOLUCIÓN (PIPELINE) 11
4. METODOLOGÍA ÁGIL 17
4.1 TÍTULO DEL PROYECTO: 17
4.2 ALCANCE DEL PROYECTO: 17
4.2 DISEÑO DE LA METODOLOGÍA ÁGIL 18
INTRODUCCIÓN:
En el presente trabajo se analiza a la empresa de transporte Civa, con un enfoque en la
optimización y automatización de los procesos relacionados al mantenimiento de su flota, tanto
en el aspecto preventivo como correctivo, así como los costos asociados a estos. La
investigación abarca un estudio integral de la empresa, destacando sus estrategias de
innovación y planificación operativa, que les ha permitido mantenerse competitivos en el sector
del transporte terrestre en el Perú.

Civa fue seleccionada como objeto de análisis debido a su enfoque en la calidad del servicio y
su compromiso con la mejora continua. La empresa cuenta con un plan estratégico bien
definido, orientado a la innovación y eficiencia en todas sus operaciones. A lo largo de este
trabajo, se examinan aspectos clave como su misión, visión, valores corporativos y la situación
actual de la compañía, resaltando su constante búsqueda por liderar el mercado.

Además, se presentan soluciones orientadas a la transformación digital, incluyendo propuestas

para la optimización del mantenimiento de la flota mediante el uso de tecnologías emergentes
como el Internet de las Cosas (IoT) y sistemas de gestión inteligentes. También se evalúan los
factores críticos de éxito que han permitido a Civa expandir sus operaciones, y se sugieren
estrategias para continuar su crecimiento.

El trabajo concluye con un análisis del impacto de las innovaciones implementadas, tanto a
nivel operativo como en la experiencia del cliente, posicionando a Civa como una empresa que
apuesta por el futuro del transporte en el Perú.
1. DESCRIPCIÓN DE LA EMPRESA:
1.1 Rubro del negocio:
Transportes Civa inició operaciones el 17 de febrero de 1971 con un único bus. Tras
más de 40 años de experiencia, la empresa ahora conecta 52 ciudades en 22
departamentos del Perú. Con una flota moderna de 190 buses, cuya edad promedio es
de 4 años, Transportes Civa transporta a más de 10,000 pasajeros diariamente,
cubriendo rutas de media y larga distancia que suman más de 200,000 kilómetros
recorridos cada día en las principales vías del país.

1.2 Misión y Visión:

● Misión:

Somos una empresa innovadora, comprometida en ofrecer un servicio de

calidad, seguridad y comodidad para satisfacer las expectativas de
nuestros usuarios. Nos esforzamos en conectar el mayor número posible
de destinos, brindando servicios diversificados que generan bienestar y
estabilidad para la gran Familia Civa.

● Visión:

Aspiramos a ser la empresa líder en transporte terrestre interprovincial en

el Perú, ofreciendo un servicio eficiente, seguro y puntual. Nuestra
operación se basa en los más altos valores éticos y morales, con un equipo
humano orgulloso de su trabajo, dedicado a brindar excelencia y
responsabilidad en cada viaje.

1.3 Objetivos estratégicos:

▪ Expansión de cobertura nacional: Ampliar la red de rutas y destinos en
el Perú, llegando a más ciudades y provincias, con el objetivo de conectar
eficientemente más regiones del país.
▪ Innovación y modernización de la flota: Mantener una flota de buses
moderna, segura y eficiente, invirtiendo en nuevas tecnologías que
mejoren la experiencia del cliente, reduzcan costos operativos y optimicen
el consumo de energía.
▪ Mejora continua en la atención al cliente: Implementar programas de
formación y mejora para el personal, enfocados en garantizar un servicio
de alta calidad, seguridad y comodidad, que eleve la satisfacción de los
pasajeros.
▪ Optimización de la eficiencia operativa: Desarrollar procesos logísticos
que reduzcan tiempos de viaje, mejoren la puntualidad y optimicen el uso
de recursos, maximizando la rentabilidad y sostenibilidad del negocio.
▪ Desarrollo de nuevas líneas de negocio: Explorar y expandir servicios
complementarios como transporte de carga, servicios turísticos y rutas
internacionales para diversificar ingresos y consolidar la marca en nuevas
áreas de negocio.
1.4 Equipo tecnológico:
1.4.1 Software:
♦ Rational Software Architect: Este software es una herramienta clave
en la transformación digital al proporcionar un entorno robusto para
diseñar arquitecturas de software de manera eficiente. Gracias a su
soporte para diversos lenguajes de modelado como BPMN, UML, y
UPIA, entre otros, permite a los equipos de desarrollo crear
aplicaciones escalables y alineadas con los objetivos estratégicos de la
organización. Además, su capacidad de implementar modelos
directamente en código mediante lenguajes como Java o C + + facilita
la integración y la iteración rápida, esenciales en un entorno digital
competitivo.
♦ NetBeans: Como entorno de desarrollo integrado (IDE) de código
abierto, NetBeans es esencial para impulsar la innovación en la
transformación digital. Su capacidad para simplificar el desarrollo de
aplicaciones web, empresariales, de escritorio y móviles sobre
plataformas Java y HTML5, permite a los desarrolladores crear
soluciones dinámicas y adaptables. Este entorno facilita la rápida
implementación de nuevas funcionalidades, lo que es crucial en un
entorno digital en constante evolución.
♦ MySQL: MySQL, un sistema de gestión de bases de datos
relacionales, se integra perfectamente en la transformación digital al
ofrecer una plataforma robusta y escalable para el manejo de datos.
Respaldado por Oracle, este sistema es conocido por su fiabilidad y su
capacidad de operar en múltiples plataformas como Linux, UNIX y
Windows. En un entorno de transformación digital, MySQL permite a
las organizaciones gestionar grandes volúmenes de datos de manera
eficiente, lo cual es fundamental para las aplicaciones web y la
publicación en línea.
♦ Interfaz intuitiva y adaptable: Desarrollar un software con una
interfaz de usuario moderna, fácil de navegar y que se pueda
personalizar según las necesidades específicas de la empresa,
permitiendo su evolución junto con los avances tecnológicos.
♦ Módulo de Inteligencia Artificial (IA): Implementar IA para el análisis
predictivo, anticipando fallos en los vehículos antes de que ocurran
basándose en datos históricos, condiciones de uso y sensores en
tiempo real.
♦ Automatización de reportes y alertas: Generación automática de
reportes detallados sobre el estado de los vehículos, costos de
mantenimiento y alertas en tiempo real para programar las
intervenciones necesarias.
♦ Monitoreo en tiempo real: Integración de sensores en los vehículos
que recopilen datos sobre el estado de cada componente crítico
(motor, frenos, etc.), permitiendo un monitoreo continuo y el envío de
alertas automáticas en caso de irregularidades.
♦ Dashboard centralizado: Visualización en un solo panel de control de
todos los datos recopilados por los sensores, facilitando la toma de
decisiones rápidas y efectivas.
 1.4.2 Hardware:
♦ Componente: Computadora de escritorio
♦ Características:
− Procesador Intel Core i5 o superior
− Memoria RAM de 8 GB o más (para un mejor rendimiento en
tareas de diseño y desarrollo)
− Sistema Operativo Windows 10 o superior
♦ Tareas:
− Diseño de la aplicación en un entorno ágil y digital
− Redacción y colaboración en la documentación mediante
herramientas digitales.
♦ Sensores y Dispositivos IoT: Instalación de sensores avanzados en
los vehículos para medir variables como temperatura del motor, presión
de los neumáticos, nivel de aceite, entre otros. Estos sensores envían
datos continuamente al sistema central, permitiendo una gestión
predictiva del mantenimiento.
♦ Redes de comunicación seguras y robustas: Implementación de
una red de comunicación privada y segura para garantizar la
transmisión confiable de datos entre los vehículos y el sistema central.
♦ Servidores de alto rendimiento: Uso de servidores potentes y
escalables que soporten el procesamiento de grandes volúmenes de
datos generados por los sensores y el software de gestión.
1.4.3 Soluciones:
✔ Transporte de Pasajeros Personalizado: Civa ofrece a sus clientes la
posibilidad de personalizar su experiencia de viaje, eligiendo entre
diversos tipos de asientos, servicios adicionales como wifi y
entretenimiento a bordo, además de boletos flexibles que permiten
modificaciones o cancelaciones sin penalización.
✔ Transporte de Carga y Paquetería: Este servicio permite el envío
seguro de paquetería a nivel nacional, con rastreo en tiempo real para
los clientes y la opción de entrega puerta a puerta. Civa también ofrece
diferentes opciones de envío, como estándar o exprés, para satisfacer
distintas necesidades.
✔ Transporte Turístico: Civa ofrece paquetes turísticos que incluyen
transporte a destinos populares de Perú, en colaboración con
operadores locales, brindando una solución completa que combina
viajes, alojamiento y actividades turísticas. Los clientes también
pueden diseñar rutas personalizadas.
✔ Transporte Corporativo: Este servicio está dirigido a empresas,
ofreciendo transporte de personal con convenios a tarifas especiales,
buses equipados con comodidades adicionales para viajes de
negocios, y soluciones de transporte para eventos corporativos y
conferencias.

2. PROBLEMAS DE LA EMPRESA:
2.1. PROBLEMA 1:
Ineficiencia en la asignación de buses y rutas: Civa enfrenta dificultades para
gestionar de manera eficiente la asignación de buses a
 las diferentes rutas. Esto provoca que, en algunas rutas de baja demanda, los
buses circulen con una ocupación reducida, mientras que en rutas con mayor
demanda, se produzcan retrasos por falta de vehículos suficientes. Esta
situación genera ineficiencia operativa, incrementa los costos y afecta la
calidad del servicio ofrecido a los clientes.

Sustento con datos: De acuerdo con los informes de operación de Civa, el

25% de los buses asignados a rutas de baja demanda circulan con menos del
50% de su capacidad ocupada, lo que genera ineficiencias operativas y
pérdidas de recursos. A su vez, el 15% de las rutas con mayor demanda sufren
de escasez de buses, lo que provoca retrasos y problemas de sobrecarga en
las unidades.

Documentación pertinente:

− Reporte de Operaciones de Rutas 2023: Evidencia los desbalances

en la asignación de buses a las rutas según demanda, reflejando una
ineficiencia que afecta la experiencia del cliente y aumenta los costos
operativos.
− Estudio de Demanda de Pasajeros (2023): Muestra que las rutas con
mayor tráfico no siempre cuentan con el número adecuado de buses,
generando insatisfacción y posibles pérdidas de clientes.

Consecuencias:

− La sobreasignación de buses en rutas de baja demanda genera costos

innecesarios, como consumo de combustible y gastos operativos, sin
un retorno significativo. Además, la falta de buses en rutas de alta
demanda puede llevar a la pérdida de clientes debido a la saturación
del servicio y retrasos.
− Los retrasos y la falta de disponibilidad de buses en rutas con alta
demanda impactan negativamente la experiencia del cliente, lo que
puede llevar a que los pasajeros busquen otras alternativas de
transporte.
− La asignación ineficiente podría aumentar el desgaste de ciertos buses
utilizados en exceso en rutas populares, lo que afectaría la durabilidad
y vida útil de los vehículos.

2.2 SOLUCIÓN PROPUESTA 1:

A.Sistema de asignación inteligente de buses y rutas basado en Cloud
Computing y Machine Learning:

Se propone desarrollar un sistema de gestión de rutas basado en Cloud

Computing e Inteligencia Artificial (IA), que optimice la asignación de buses en
función de la demanda de pasajeros, el estado de los vehículos y las
condiciones de tráfico en tiempo real.

● Tecnologías base:
o Cloud Computing (AWS, Azure): La nube proporcionará la
infraestructura necesaria para almacenar y procesar en tiempo real los
datos de las rutas, tráfico, y demanda de pasajeros.
 o Machine Learning (IA): Se utilizarán algoritmos de IA para predecir la
demanda de pasajeros en diferentes rutas y horarios, permitiendo una
asignación más eficiente de los buses.
● Fundamentación:
o Con el análisis de grandes volúmenes de datos en la nube, el sistema
podrá ajustar dinámicamente la cantidad de buses asignados a cada
ruta según la demanda, reduciendo la sobreasignación de vehículos y
evitando el exceso de capacidad o escasez en rutas críticas.
o Al ajustar las rutas y buses en tiempo real según el flujo de pasajeros,
se reducirán los tiempos de espera y se mejorará la satisfacción del
cliente.

B.Sistema de Gestión de Flotas Basado en Demandas en Tiempo Real

mediante Big Data y Optimización Logística

Este sistema se enfocará en la recopilación y análisis de grandes volúmenes

de datos en tiempo real para optimizar la asignación de buses según la
demanda de pasajeros, el estado de las rutas y las condiciones climáticas o de
tráfico. La implementación de algoritmos de optimización logística permitirá
ajustar rápidamente la cantidad de buses en operación.

● Big Data y Análisis Predictivo:

o Utilizar tecnologías de Big Data (Hadoop, Spark) para recopilar y
procesar datos históricos y en tiempo real sobre la demanda de
pasajeros en las diferentes rutas.
o El análisis predictivo basado en estos datos permitirá identificar
patrones de demanda a lo largo del día, la semana y el mes,
optimizando la asignación de buses.
● Monitoreo en Tiempo Real y Comunicación con Conductores:
o A través de dispositivos GPS y comunicación con los conductores, el
sistema podrá monitorear el estado y ubicación de cada bus en tiempo
real. Esto permitirá hacer ajustes sobre la marcha si un bus está en
riesgo de retraso o si hay cambios inesperados en el tráfico.
o Los conductores recibirán notificaciones sobre cualquier cambio de
ruta o ajustes en los horarios para mejorar la eficiencia.

2.3 PROBLEMA 2:
Gestión ineficiente del mantenimiento de la flota: La gestión actual del
mantenimiento de los buses en Civa no es óptima, ya que depende en gran
medida de registros manuales y de un enfoque reactivo. Esto significa que los
buses no siempre reciben el mantenimiento preventivo necesario a tiempo, lo
que aumenta la probabilidad de averías inesperadas durante los viajes,
incrementando los costos de reparación y afectando la puntualidad de los
servicios de transporte.

Sustento con datos: Según el Informe de Mantenimiento 2023 de Civa, el

40% de las averías en buses podrían haberse evitado con un mantenimiento
preventivo adecuado. Además, los registros manuales de mantenimiento han
provocado que el 10% de los buses salgan a operar
 sin haber cumplido con sus revisiones de rutina, lo que incrementa el riesgo de
fallas en ruta.

Documentación pertinente:

− Informe de Mantenimiento 2023: Detalla la cantidad de averías

que se podrían prevenir si hubiera un sistema predictivo que
permitiera dar mantenimiento a los buses de manera planificada y
no reactiva.
− Reporte de Operaciones de Civa (2023): Describe el impacto de
los retrasos generados por fallas mecánicas no previstas, que
representan un costo adicional significativo para la empresa y
afectan la puntualidad de los viajes.

Consecuencias:

− La falta de un mantenimiento predictivo aumenta el riesgo de que los

buses sufran fallas inesperadas durante los viajes, lo que podría
generar interrupciones en el servicio y mayores costos de reparación.
− Al no realizar el mantenimiento a tiempo, las averías pueden ser más
costosas y complejas de reparar. Además, el mantenimiento reactivo
es generalmente más caro que un mantenimiento preventivo
planificado.
− Los fallos mecánicos frecuentes y los retrasos asociados pueden dañar
la reputación de la empresa, afectando la fidelización de los clientes y
reduciendo la competitividad de Civa en el mercado.
− Cuando los buses están en reparación inesperada, la empresa cuenta
con menos vehículos disponibles, lo que afecta su capacidad operativa
y puede llevar a la cancelación de viajes.

2.4 SOLUCIÓN PROPUESTA 2:

A.Sistema predictivo de mantenimiento de la flota basado en IoT y Cloud
Computing:

Desarrollar un sistema de mantenimiento predictivo utilizando sensores IoT en

cada bus que registren datos en tiempo real sobre el uso del vehículo. Estos
datos serán procesados en la nube, utilizando algoritmos de IA para predecir
cuándo un bus necesitará mantenimiento antes de que ocurra una avería.

● Tecnologías base:
− IoT: Sensores instalados en los buses registran el estado de los
vehículos (kilometraje, presión de llantas, estado del motor) y enviarán
esta información a una plataforma en la nube.
− Cloud Computing: La nube se utilizará para almacenar y analizar los
datos en tiempo real, permitiendo un seguimiento constante de la salud
de la flota.
− Machine Learning (IA): Los algoritmos de IA podrán identificar
patrones en los datos que indiquen cuándo un bus está próximo a
fallar, recomendando el mantenimiento antes de que ocurra una avería.
● Fundamentación:
 − El sistema será capaz de predecir cuándo un bus necesitará
mantenimiento, reduciendo las averías inesperadas y los costos
asociados a reparaciones de emergencia.
− Con un mantenimiento planificado, los buses estarán disponibles más
tiempo en servicio, aumentando la eficiencia operativa de la empresa y
mejorando la puntualidad de las rutas.

B. Sistema de Gestión de Mantenimiento Automatizado con Alertas Programadas:

Se propone implementar un sistema automatizado que gestione el

mantenimiento de la flota de manera más eficiente mediante la programación
de alertas para el mantenimiento preventivo basado en el kilometraje, el tiempo
de uso y la antigüedad del bus.

● Software de Gestión de Mantenimiento (CMMS):

− Se implementará un software de gestión de mantenimiento (como Fiix
o UpKeep) que permita llevar un registro digital del historial de
mantenimiento de cada bus.
− El software enviará alertas automáticas cuando los buses alcancen
ciertos parámetros (kilometraje o tiempo de uso) para programar su
mantenimiento preventivo.
● Alertas por Kilometraje y Tiempo de Operación:
− El sistema emitirá alertas automáticas cuando un bus alcance un
umbral predeterminado de kilómetros recorridos o meses desde su
última revisión. Esto permitirá que los responsables de mantenimiento
programen los servicios a tiempo y eviten averías imprevistas.
● Panel de Control Centralizado:
− Los encargados de mantenimiento tendrán acceso a un panel
centralizado donde podrán ver el estado de todos los buses, identificar
aquellos que necesitan mantenimiento y coordinar el trabajo de
manera eficiente.
● Registro Digital del Historial de Mantenimiento:
− El sistema llevará un registro digital del historial de mantenimiento de
cada vehículo, eliminando la dependencia de registros manuales y
reduciendo la posibilidad de errores.

3. SOLUCIÓN DEL PROYECTO:

3.1 ALCANCE DE LA TECNOLOGÍA:
La transformación digital puede proporcionar una serie de beneficios a los jefes de flotas,
entre los que se incluyen:

● Mejora de la eficiencia operativa: el software de gestión de flotas permite automatizar

tareas, optimizar procesos y reducir tiempos de inactividad. Bien implementado y
medido, esto conduce a una mejora de la eficiencia operativa.
 ● Reducción de costos: la transformación digital puede ayudar a las empresas a
ahorrar en costos de combustible, mantenimiento, infracciones, seguros y otros gastos
operativos. Gracias a esto, consiguen una mejora de la rentabilidad.
● Mejora de la seguridad: las tecnologías mencionadas anteriormente mejoran la
seguridad de sus conductores y de la carga. Así, se reducen los accidentes y las
pérdidas.
● Mejora de la satisfacción del cliente: las flotas ofrecen una mejor experiencia, un
servicio más eficiente y personalizado a sus clientes. Esto mejora su satisfacción y los
fideliza.

“Las flotas que adopten la transformación digital pueden obtener una serie de
beneficios, entre los que se incluyen la mejora de la eficiencia, la reducción de costos, la
mejora de la seguridad y la mejora de la satisfacción del cliente”

3.2 FLUJO DE LA SOLUCIÓN (PIPELINE):

Primera solución Económica (Open Source):

3.2.1. Arquitectura:

▪ Plataforma:
o Hadoop con HDFS: Esta plataforma open source ofrece
almacenamiento distribuido y escalable, ideal para manejar
grandes volúmenes de datos. HDFS es robusto y tolerante a
fallos, lo que garantiza alta disponibilidad de los datos.
▪ Ingesta de Datos:
o Apache Kafka: Kafka facilita la ingesta de datos en tiempo
real, gestionando grandes volúmenes con baja latencia y alta
durabilidad. Es ideal para entornos donde los datos deben
procesarse de manera continua.
▪ Procesamiento de Datos:
o Apache Spark: Spark proporciona capacidades de
procesamiento en tiempo real y por lotes, permitiendo análisis
de datos a gran escala. Su flexibilidad y eficiencia lo hacen
adecuado para diversas aplicaciones de análisis.
▪ Gobernanza de Datos:
o Apache Atlas: Atlas ofrece una solución de gestión de
metadatos y gobernanza de datos, asegurando que los datos
sean rastreables y manejables. Proporciona capacidades de
catalogación, clasificación y linaje de datos.
▪ Coste: Bajo, enfocado principalmente en los costos de infraestructura
y mantenimiento. Esta solución es adecuada para organizaciones con
presupuesto limitado, aprovechando herramientas open source que
eliminan los costos de licencias.
▪ Proveedor: Proveedores de infraestructura en la nube como AWS,
Google Cloud, o servidores on-premise, ofreciendo flexibilidad en la
implementación según los recursos y necesidades de la organización.
Figura 1: Diagrama Flujo (PIPELINE) Fuente:
Elaboración propia
 Figura 2: Diagrama de herramientas
Fuente: Elaboración propia

Segunda solución Intermedia (AWS):

3.2.2. Arquitectura Plataforma:

▪ Amazon S3: Servicio de almacenamiento en la nube, escalable y

duradero, que facilita la integración con otros servicios de AWS para la
gestión y el acceso de datos.
▪ AWS Glue: Servicio ETL serverless que automatiza la preparación y
carga de datos, reduciendo el esfuerzo para crear pipelines de datos.
▪ Amazon EMR: Plataforma gestionada que permite ejecutar Hadoop,
Spark y Presto, optimizando los recursos de procesamiento y los
costos de Big Data.
▪ AWS Lake Formation: Simplifica la creación de un Data Lake seguro,
con control de acceso y gestión de datos.
▪ Coste: Moderado, debido al uso de servicios gestionados de AWS que
equilibran costos y capacidades avanzadas.
 ▪ Proveedor: AWS, con una infraestructura global robusta, alto
rendimiento y disponibilidad.

Figura 3: Diagrama de herramientas

Fuente: Elaboración propia

Tercera solución: Premium (Google Cloud):

3.2.3. Arquitectura:

▪ Plataforma:
o Google Cloud Storage: Servicio de almacenamiento en la
nube escalable y duradero, que ofrece alta disponibilidad y
seguridad. Ideal para almacenar grandes volúmenes de datos
con acceso rápido y seguro.
▪ Ingesta de Datos:
o Google Cloud Pub/Sub: Pub/Sub es un servicio de
mensajería en tiempo real que facilita la transmisión de datos
entre aplicaciones. Es altamente escalable y permite la ingesta
de datos en tiempo real con baja latencia.
▪ Procesamiento de Datos:
o Google Dataflow: Dataflow es un servicio gestionado para el
procesamiento de datos en tiempo real y por lotes, utilizando el
modelo de programación de Apache Beam. Ofrece flexibilidad
y escalabilidad para manejar grandes volúmenes de datos.
▪ Gobernanza de Datos:
o Google Cloud Data Catalog: Data Catalog proporciona
capacidades avanzadas de gestión y descubrimiento de
metadatos, facilitando la catalogación y clasificación de datos
en Google Cloud. Asegura que los datos sean accesibles y
gestionables fácilmente.
▪ Coste: Alto, debido al uso de servicios gestionados de Google Cloud.
Esta solución es adecuada para organizaciones que buscan
capacidades avanzadas e integración perfecta con los servicios de
Google Cloud, y están dispuestas a invertir en una infraestructura
premium.
▪ Proveedor: Google Cloud Platform (GCP) ofrece una infraestructura
global de alta calidad, con servicios avanzados en análisis de datos,
machine learning y big data, garantizando un rendimiento y
disponibilidad excepcionales.

Figura 4: Diagrama de herramientas

Fuente: Elaboración propia
 Figura 5: Diagrama de herramientas
Fuente: Elaboración propia

Cuarta solución: Arquitectura General de Data Lake

▪ Ingesta de Datos:
o Flujos de datos en tiempo real y por lotes: Utilización de
herramientas como Kafka o Google Cloud Pub/Sub para la
transmisión de datos. Estos servicios permiten una ingesta
eficiente y escalable, asegurando que los datos estén
disponibles en tiempo real o en intervalos regulares, según las
necesidades del negocio.
▪ Almacenamiento de Datos: Uso de servicios como Amazon S3,
HDFS o Google Cloud Storage para almacenar grandes volúmenes de
datos de manera segura y accesible. Estos servicios ofrecen alta
disponibilidad y durabilidad, permitiendo un almacenamiento eficiente y
económico tanto de datos en bruto como procesados.
▪ Procesamiento de Datos:
o Spark o Google Dataflow: Procesamiento de grandes
volúmenes de datos utilizando Apache Spark o Google
Dataflow. Estos motores de procesamiento ofrecen
capacidades avanzadas de análisis en tiempo real y por lotes,
permitiendo el procesamiento eficiente de datos a
 gran escala, y facilitando el análisis avanzado y el uso de
machine learning.
▪ Gestión de metadatos y gobernanza: Implementación de
herramientas como Apache Atlas, AWS Lake Formation o Google
Cloud Data Catalog para la gestión de metadatos y la gobernanza de
datos. Estas herramientas aseguran que los datos sean fácilmente
rastreables, gestionables y protegidos, cumpliendo con las normativas
y políticas de seguridad de la organización.

4. METODOLOGÍA ÁGIL:
4.1 TÍTULO DEL PROYECTO:
FALTA

4.2 ALCANCE DEL PROYECTO:

El alcance del proyecto se divide en tres secciones: dentro del alcance, fuera del
alcance y las limitaciones, que describen los aspectos que serán cubiertos, excluidos y
las posibles restricciones del proyecto.

4.2.1. Dentro del Alcance

● Monitoreo en Tiempo Real: Implementación de sensores IoT en los

componentes críticos de 50 buses seleccionados de la flota de Civa
para recopilar datos en tiempo real. Esto incluye sensores para medir
la temperatura del motor, presión de los neumáticos, niveles de aceite
y desgaste de componentes.
● Sistema de Gestión de Mantenimiento (CMMS): Creación e
integración de un software de gestión de mantenimiento que recibirá
los datos de los sensores y generará alertas predictivas cuando un
componente esté próximo a fallar.
● Infraestructura en la Nube: Utilización de servicios de Cloud
Computing para el almacenamiento, procesamiento y análisis de
grandes volúmenes de datos, permitiendo la escalabilidad y
accesibilidad de la información desde cualquier dispositivo conectado.
● Capacitación del Personal: Entrenamiento a los mecánicos,
conductores y personal de mantenimiento de Civa para que puedan
interpretar los datos generados por los sensores y gestionar las alertas
emitidas por el sistema.
4.2.2. Fuera del Alcance: El proyecto excluye las siguientes actividades y
áreas operativas, ya que no forman parte de los objetivos definidos:

● Optimización de Rutas: La optimización de las rutas de transporte no

es parte de este proyecto. El sistema predictivo se enfocará
únicamente en el mantenimiento de la flota, no en la planificación o
mejora de rutas.
● Mejoras en el Servicio al Cliente: El proyecto no incluye mejoras
directas en las áreas de atención al cliente o en la experiencia del
pasajero. No obstante, se espera que la reducción de averías mejore
indirectamente la satisfacción de los usuarios al minimizar las
interrupciones.
 4.2.3. Limitaciones: A pesar de los beneficios previstos, el proyecto
presenta algunas limitaciones que deben tenerse en cuenta:

● Fiabilidad de los Algoritmos Predictivos: La precisión de las

predicciones depende de la calidad y cantidad de datos recopilados.
Durante la fase inicial, es posible que los algoritmos requieran ajustes
para mejorar la precisión de las predicciones, lo que podría afectar
temporalmente la eficacia del sistema.
● Dependencia de la Infraestructura en la Nube: El sistema de
mantenimiento predictivo estará altamente dependiente de la
infraestructura en la nube. Si ocurren fallos en la conectividad a
Internet o en los servicios de la nube, podría haber interrupciones en la
recopilación de datos y la generación de alertas.
● Tiempo de Implementación: Dado que el proyecto incluye una fase
piloto y un desarrollo complejo de algoritmos, el tiempo estimado de
implementación completa puede variar dependiendo de los resultados
del piloto. El ajuste y validación de los algoritmos podría alargar los
plazos previstos.
4.2 DISEÑO DE LA METODOLOGÍA ÁGIL:
Objetivo del Sprint:

1. Completar la instalación de los sensores IoT en buses seleccionados,

asegurando que los datos de los sensores se envíen correctamente a
la plataforma en la nube.
2. Establecer la infraestructura en la nube para el almacenamiento,
procesamiento y análisis de los datos enviados por los sensores IoT
instalados en los buses.
3. Desarrollar los algoritmos predictivos de mantenimiento que analicen
los datos recopilados de los buses, generando alertas automáticas
basadas en patrones de fallos.
4. Desarrollar y finalizar la interfaz de usuario que permitirá a los
administradores y jefes de mantenimiento monitorear en tiempo real y
recibir las alertas predictivas.
5. Realizar pruebas piloto del sistema completo con los buses, ajustando
los algoritmos y la interfaz según los resultados obtenidos en
condiciones reales de operación.
 (i) Historia de usuario del proyecto:
Historia de Usuario
Datos básicos (a ser llenados por Product Owner)
Número HU001 Estado Lista

nombre Alertas automáticas para mantenimiento predictivo

Sprints (Product Owner)
Sprint # Prioridad
1 P1
Negocio

Release Puntos
1 2
Historia

Criterio General (Product Owner)

Yo,
Jefe de Mantenimiento
como

recibir alertas automáticas basadas en el kilometraje, uso, y el

Deseo desgaste de los componentes clave (motor, frenos,
Descripción
neumáticos),

poder coordinar el mantenimiento necesario antes de que

ocurra una falla crítica, reduciendo el tiempo de inactividad de los
Para
buses.

Descripción
Sprint # Criterio Descripción
que, el jefe de mantenimiento cuenta con los
Dado
datos

Y con el perfil necesario para ingresar al sistema

1 1
Cuando coloque sus datos correspondientes

podrá visualizar las alertas automáticas basadas

en parámetros predefinidos (kilometraje, tiempo de
Entonces
uso, datos de sensores)..

Criterios de aceptación (Product Owner)

Sprint # Consid. Descripción
El jefe de mantenimiento debe contar con el perfil necesario
1 1
para ver todos los datos almacenados del sistema.
 El jefe de mantenimiento podrá visualizar las alertas, asignar
2
personal y planificar el mantenimiento a tiempo.

(ii) Roles Scrum (Product owner, Scrum Master, Developers):

Dentro de la metodología de esta empresa, los roles scrums serían los

siguientes:

a) Product owner: El Product Owner es responsable de

representar los intereses de los clientes y usuarios finales
(administradores de flota y mecánicos). Su función principal es
gestionar y mantener el proyecto, que es la lista priorizada de todas las
funcionalidades, características y requisitos del producto. En el caso de
Transportes Civa S.A.C., el Product Owner se encargaría de:

− Trabajar conjuntamente con las partes interesadas y el equipo

de desarrollo para entender y dar prioridad a las necesidades
tanto del negocio como de los clientes.
− Detallar de manera precisa los elementos del proyecto y sus
criterios de aceptación para asegurar que el equipo de
desarrollo los entienda correctamente.
− Asegurarse de que el equipo de desarrollo tenga una visión
clara del producto y los objetivos del proyecto.

b) Scrum master:

− El Scrum Master es el facilitador del equipo y se enfoca en

asegurar que Scrum se comprenda y aplique adecuadamente.
Su rol es promover y apoyar la adopción de las prácticas ágiles
dentro de la organización. Para la empresa Transportes Civa
S.A.C., el Scrum Master sería responsable de:
− Orientar al equipo y asistir en la resolución de cualquier
obstáculo o impedimento que pueda impactar su productividad.
− Facilitar las reuniones de Scrum, como el Sprint Planning, el
Daily Standup, la Sprint Review y la Sprint Retrospective.
− Apoyar al equipo de desarrollo para que se mantenga centrado
en los objetivos del Sprint y asegurar la entrega de un
Incremento que sea potencialmente entregable al final de cada
Sprint.

c) Developers: El equipo de desarrollo está compuesto por

profesionales especializados en distintas áreas, como desarrolladores,
diseñadores, expertos en experiencia de usuario, entre otros. Su
responsabilidad es trabajar en conjunto para convertir los elementos
del Product Backlog en Incrementos entregables. Para Transportes
Civa S.A.C., el equipo de desarrollo se encargaría de:
 − Asistir a las reuniones de Sprint Planning para elegir los
elementos del Product Backlog que se abordarán durante el
Sprint.
− Participar en la división de los elementos del Proyecto en
tareas concretas durante la reunión de Sprint Planning.
− Completar las tareas asignadas durante el Sprint y garantizar
que el Incremento sea de alta calidad y cumpla con la
definición de "Hecho".
Artefactos Scrum:

(i) Producto Backlog

ID COMO QUIERO PARA PRIORID SPRI ESTIMACI ESTAD
PODER AD NT ON O
1 Jefe de Monitorear Asegurar Alta 1 5 En
Mantenimient el estado que los construcci
o de los buses ón
component reciban
es críticos mantenimien
to preventivo
a
tiempo
2 Jefe de Recibir Planificar y Alta 1 5 Pendien
te
Mantenimient alertas coordinar el
o automática mantenimien
s to antes de
que
ocurran
fallas
3 Jefe de Ver Analizar el Alta 1 5 Pendien
te
Mantenimient reportes historial de
o detallados mantenimien
sobre el to y
desgaste optimizar la
planificació
n
4 Jefe de Gestionar Asegurar la Media 1 5 Finaliza
do
Mantenimient el disponibilid
o inventario ad de
de piezas piezas para
reparacion
es
oportunas
 (ii) Sprint Backlog

DATOS DE LA EMPRESA:
Empres CIVA
a
Proyect Automatizar el mantenimiento de la flota de Civa, enfocadas en mejorar la
o
eficiencia operativa y reducir costos mediante tecnologías como IoT e
inteligencia artificial

Dueño del Luis Miguel Ciccia Vásquez, presidente del directorio de Civa.
Negocio

ROLES:
Rol Nombre

Scrum Master Sebastián

Product Owner Carlos

Equipo Leonardo, Stefhanie, Antony

Desarrollo

ACUERDOS:
ID Alias de la Pendiente En Finalizad
Historia s Construcción o
1 Monitoreo del estado de los X
componentes críticos

2 Alertas automáticas para X

mantenimiento predictivo

3 Reportes detallados sobre el X

desgaste de los componentes

4 Gestión del inventario de piezas X

FECHA DE REUNIÓN: 18/1

Increment:
Hecho
HU-001 Se realizó correctamente el monitoreo del estado de los componentes críticos de
los buses, proporcionando datos en tiempo real para el mantenimiento preventivo.

HU-002 Se implementaron alertas automáticas para el mantenimiento predictivo,

notificando al jefe de mantenimiento sobre los posibles fallos de los buses antes
de que ocurrieran.

HU-003 Se generaron reportes detallados sobre el desgaste de los componentes,

ayudando a planificar mejor los mantenimientos preventivos y optimizar los
recursos del área de mantenimiento.

HU-004 Se gestionó de manera eficiente el inventario de piezas, asegurando la

disponibilidad de los componentes necesarios para los mantenimientos, evitando
demoras por falta de stock.

Descripción de eventos Scrum:

(i) Sprint Planning:

Objetivo: Definir el trabajo que se realizará en el próximo Sprint

1. Preparación:

▪ Revisar el Product Backblog y seleccionar las historias de

usuario que se abordarán en el Sprint.
▪ Definir el objetivo de Sprint en función de las prioridades del
negocio y las necesidades del proyecto.
2. Reunión:

▪ Definir el objetivo del Sprint: En el caso de Transportes Civa

S.A.C., el objetivo del sprint podría ser implementar un sistema
de mantenimiento predictivo mediante sensores IoT en los
buses, con alertas automáticas para evitar fallos inesperados.
 Seleccionar Historia Usuario: Elegir las historias
relacionadas con el mantenimiento predictivo, como la
recepción de alertas automáticas, monitoreo en tiempo real y la
gestión de inventario de piezas para asegurar la disponibilidad.
▪ Desglosar las tareas: Dividir las historias de usuario en tareas
concretas, como la instalación de sensores, desarrollo de
algoritmos de predicción y creación del sistema de alertas.
▪ Estimar el trabajo: Evaluar el esfuerzo requerido para
completar cada tarea y asegurarse de que el equipo de
desarrollo pueda realizarlas dentro del sprint asignado.

3. Resultados Esperados:

▪ Un Sprint Backlog detallado, que incluya las historias de

usuario seleccionadas, las tareas asociadas y el objetivo del
sprint claramente definido.
▪ Asegurar que el equipo de desarrollo tenga una visión clara de
las tareas prioritarias que deben completarse durante el sprint
para cumplir con los objetivos de mantenimiento predictivo de
la flota de Civa.

(ii) Daily Scrum:

Objetivo: Sincronizar el trabajo de equipo e identificar bloqueos.

Actividad:

1. Reunión Diaria (30 minutos):

¿Qué hice ayer?: Cada miembro del equipo informa

sobre lo que se logró completar en el día anterior.

¿Qué hare hoy?: Cada miembro del equipo comparte

lo que planea hacer hoy.

¿Tengo algún impedimento?: Cada miembro

menciona cualquier obstáculo que este impidiendo
su progreso.

Resultado esperado: Actualización del estado de las tareas,

identificación de bloqueos y ajustes en el plan del día según sea
necesario.

(iii) Review (cómo se llevará a cabo): El Sprint Review nos permitirá

saber el método de cómo se llevará a cabo las historias de usuarios tomando
en cuenta su finalidad e importancia para el proyecto.

Historia ID DESCRIPCIÓN
TAREA
Usuario

HU-001 T-001 Configurar sensores en los buses para monitorear en tiempo

real el estado de los componentes críticos.
 T-002 Crear una interfaz para que el Jefe de Mantenimiento pueda
visualizar el estado de cada bus y recibir alertas.

T-003 Verificar que los datos enviados por los sensores sean
precisos
y útiles para el análisis de mantenimiento.
HU-002 T-004 Desarrollar un sistema que envíe notificaciones automáticas
cuando los componentes estén cerca de fallar.

T-005 Definir los umbrales de kilometraje, tiempo de uso, y desgaste

para generar alertas predictivas.

HU-003 T-006 Crear informes detallados sobre el estado de los componentes

y las necesidades de mantenimiento de cada bus.

T-007 Hacer que los reportes se generen automáticamente y sean

accesibles para el Jefe de Mantenimiento.

HU-004 T-008 Desarrollar un sistema para gestionar el inventario de piezas

necesarias para los mantenimientos preventivos.

T-009 Asegurar que el sistema notifique cuando el inventario de

piezas esté bajo para evitar retrasos en las reparaciones.

(iv) Retrospective (de uno de los Sprint):

Numero ¿Qué salió bien en ¿Qué no salió bien ¿Qué mejoras vamos a
de la iteración? en la iteración? implementar en la próxima
Sprint (Aciertos) (Errores) iteración? (Recomendaciones
de mejora continua)

1 Todo lo programado en la El tiempo empleado En la próxima iteración,

planificación del sprint se en la ejecución de mejoraremos el cumplimiento de los
completó con éxito, y algunas tareas superó plazos y la eficiencia mediante un
logramos cumplir el las estimaciones análisis de los contratiempos
objetivo establecido para iniciales debido a anteriores. Ajustaremos nuestras
este primer sprint. Cada varios inconvenientes, estimaciones de tiempo para que
tarea se realizó con como problemas sean más realistas y mejoraremos
eficiencia, y el equipo técnicos con la la comunicación interna para
trabajó de manera integración de los reaccionar rápidamente a
coordinada para alcanzar sensores IoT y el problemas técnicos.
las metas del sistema de procesamiento en la
mantenimiento predictivo. nube.
Tablero Kanban del proyecto:
4.4 IMPLEMENTACION DE METODOLOGIA ÁGIL
4.4.1. Historia de Usuario

Elemento Descripción
Rol del Usuario Cliente (pasajero).
Necesidad o Sistema que envíe alertas automáticas sobre retrasos, cambios de
Funcionalidad horario o inconvenientes en la ruta.
Mejorar la experiencia del cliente al mantenerlo informado en
Motivo (Propósito) tiempo real sobre su viaje, aumentando la confianza en el servicio
de CIVA.
- La notificación debe llegar con al menos 30 minutos de
anticipación al retraso.
Criterios de Aceptación
- Debe ser clara, breve y contener el motivo del retraso.
- Soportar varios idiomas.
- Implementación en la app de CIVA y sistema web.
Definición de
- Integración con GPS y software de gestión de flotas.
Terminado
- Pruebas realizadas y feedback del usuario recibido.

4.4.2. Puntos de Historia

4.4.2.1. Estimación basada en equipo:
● Los desarrolladores, diseñadores y otros miembros del equipo de proyecto de CIVA
evalúan cada tarea relacionada con una historia de usuario y asignan puntos
basados en:
● La cantidad de trabajo necesario.
● El grado de dificultad técnica.
● Las dependencias externas (por ejemplo, integraciones con sistemas de GPS o
pasarelas de pago).
● El nivel de incertidumbre sobre los requisitos o la tecnología.

4.4.2.2. Escala de referencia:

En CIVA, es común usar una escala de puntos de historia basada en la secuencia de
Fibonacci (1, 2, 3, 5, 8, 13, etc.) para asignar valores. Esto refleja que las tareas más
complejas crecen de manera exponencial en esfuerzo y dificultad.

4.4.2.3. Practicas Empleadas

Puntos de
Historia de Usuario Razonamiento
Historia
Requiere diseño de interfaz, integración
Desarrollo de un sistema
8 con la base de datos de rutas y
de reservas inteligente.
pasarela de pagos.
Implementación de Complejidad alta debido a la integración
notificaciones en tiempo 13 con el sistema GPS y los servidores de
real. mensajería.

Mejoras en la funcionalidad Modificaciones en el sistema existente

5
del programa de lealtad. con menor complejidad técnica.

Uso de algoritmos de optimización y

Optimización de la
8 análisis de datos históricos para ajustar
asignación de buses.
las rutas.
 4.4.2.4. Beneficios de los puntos de historia

● Claridad en la planificación: Los puntos permiten a CIVA estimar con precisión el

esfuerzo necesario para cumplir con las historias de usuario, lo que facilita la
organización del trabajo en sprints.
● Priorización eficiente: Al identificar tareas más complejas o de mayor impacto, el
equipo puede enfocarse primero en aquellas que generen un mayor valor para los
clientes.
● Flexibilidad en la ejecución: La estimación basada en puntos permite al equipo
ajustarse rápidamente a cambios en los requerimientos o condiciones externas.
● Transparencia entre equipos: Las estimaciones compartidas generan una visión
común de la carga de trabajo y ayudan a evitar malentendidos sobre las
expectativas de entregas.

4.4.3. Reuniones Sprint

Duració Resultado
Reunión Objetivo Aspectos Clave
n Esperado
- Selección de
historias de
usuario del
Definir qué se backlog. Sprint backlog
Sprint realizará en el 2-4 listo y
- Descomposición
Planning sprint y cómo se horas comprometido
en tareas.
logrará. por el equipo.
- Acuerdo del
equipo sobre
objetivos.

Revisar el - ¿Qué hice ayer?

Máximo Obstáculos
Daily progreso diario
15 - ¿Qué haré hoy? identificados y
Scrum y ajustar el plan
minutos - ¿Hay plan diario claro.
si es necesario.
obstáculos?
- Presentación del
Demostrar el incremento del
trabajo producto.
Sprint completado y 1-2 - Discusión sobre Feedback sobre
objetivos el incremento
Review recopilar horas
cumplidos. del producto.
retroalimentació
n. - Feedback de
stakeholders.

Reflexionar - Identificar qué

funcionó y qué no. Acciones
sobre el sprint
Sprint concretas para
completado y 1-3
Retrospecti - Proponer mejorar
planificar horas
ve soluciones. procesos en el
mejoras para el
- Acciones de próximo sprint.
próximo sprint.
mejora definidas.
4.4.4. Reuniones Retrospectivas

4.4.4.1. Características de las Reuniones de Retrospectiva en CIVA

● Frecuencia: Al término de cada sprint (semanal o quincenal), dependiendo de la
duración del sprint.
● Participantes: Incluyen al Scrum Master, Product Owner, desarrolladores, y otros
miembros clave del equipo de proyecto, como personal de operaciones o marketing,
dependiendo de la naturaleza del proyecto.

● Enfoque:
o Identificar lo que funcionó bien (fortalezas).
o Detectar problemas o impedimentos durante el sprint (áreas de mejora).
o Proponer y planificar acciones concretas para el próximo sprint.
● Duración: Aproximadamente 1 hora para sprints cortos, aunque puede extenderse
para analizar proyectos más complejos como la integración de un nuevo sistema de
reservas o mantenimiento predictivo.

5. DESARROLLO DEL PROYECTO

5.1. Diseño de interfaces

● Pagina principal
● Dashboard de Mantenimiento Preventivo
 ● Gestión de Flota

5.2 Implementación con IA

5.2.1. Implementación de código

● Definición del problema:

Identificar el objetivo del sistema (optimización de rutas, predicción de demanda

o mantenimiento predictivo, como en los paneles).

● Preparación de datos:

▪ Limpieza de datos (remover valores nulos, duplicados o errores).

▪ Normalización de variables (por ejemplo, escalando valores de distancias
y tiempos).
▪ Codificación de variables categóricas (ej., convertir tipos de vehículos o
estaciones en números comprensibles para el modelo).

● Desarrollo del modelo:

 ▪ Definir hiperparámetros clave tasa de aprendizaje, número de capas en
redes neuronales, profundidad de árboles de decisión.
▪ Establecer funciones de pérdida y métricas

● Integración del sistema:

▪ Conectar el modelo con interfaces gráficas como el "CIVA - Panel de

Control IA".
▪ Diseñar la funcionalidad para ejecutar optimizaciones en tiempo real
(botón "Ejecutar Optimización") o actualizar predicciones de manera
periódica (botón "Actualizar Predicciones").
● Implementación de código IA
5.3. Pruebas de Finales y Métrica

5.3.1. Pruebas con datos

Las pruebas con datos aseguran que el modelo sea efectivo y confiable antes de su
despliegue. Estas pruebas se dividen en las siguientes etapas:

● División del conjunto de datos:

o Separar datos en:
▪ Entrenamiento: (70-80%) Usados para ajustar el modelo.
 ▪ Validación: (10-15%) Usados para ajustar hiperparámetros y evitar
sobreajuste.
▪ Prueba: (10-15%) Usados para evaluar el desempeño final.
o Por ejemplo, en el caso de predicción de demanda, dividir datos históricos
de reservas para validar la precisión de predicciones.
● Validación cruzada:
o Aplicar técnicas como k-fold cross-validation para asegurar que el modelo
funcione bien con distintos subconjuntos de datos.
● Simulación en entornos reales:
o Introducir datos reales o simulados para observar cómo el modelo maneja
situaciones similares a las operativas:
▪ Probar la optimización de rutas con datos históricos de trayectorias y
comparar costos.
▪ Evaluar predicciones de demanda en fechas con patrones de alta y
baja afluencia.
▪ Comprobar mantenimiento predictivo en vehículos con registros de
desgaste y reparaciones.
● Iteración:
o Analizar errores encontrados durante las pruebas y ajustar el modelo:
▪ Optimizar hiperparámetros (p. ej., modificar profundidad en un
bosque aleatorio).
▪ Cambiar el algoritmo si no se logran buenos resultados con el inicial.

5.2.2. Métricas
● Optimización de rutas
o Porcentaje de rutas optimizadas: Mide qué proporción de las rutas se ha
ajustado para ser más eficientes. En el ejemplo, se alcanzó un 89% (+2%
desde el último mes).
o Ahorro en combustible: Evalúa el impacto financiero y ambiental del modelo.
En el panel, el ahorro es del 12% (+3% desde la implementación).
o Tiempo promedio de viaje: Una métrica adicional podría ser medir la
reducción en el tiempo promedio de trayectos.
● Predicción de demanda
o Precisión de predicción: Evalúa cuántas veces el modelo predijo
correctamente la demanda. En el panel, se tiene un 93% (+5%).
o Error cuadrático medio (MSE): Mide cuánto se desvía la predicción del valor
real en promedio.
o Planificación de picos: Identificar fechas críticas (como el 15 de diciembre) y
ajustar la capacidad en un 20% para mitigar impactos.
● Mantenimiento predictivo
o Reducción de costos: En el panel se refleja un ahorro del 18% gracias a la
detección anticipada de problemas.
o Precisión de alertas: Evaluar cuántas veces el sistema predijo correctamente
la necesidad de mantenimiento.
o Tiempo de detección anticipada: Mide cuánto tiempo antes de una posible
falla el sistema puede emitir alertas. En este caso, se detecta con 5 días de
anticipación.
 ● Métricas generales adicionales
o F1-score: Utilizado para evaluar modelos de clasificación (por ejemplo,
"¿requiere mantenimiento inmediato?").
o ROC-AUC: Evalúa la capacidad de un modelo de clasificación binaria en
diferentes umbrales.

Conclusiones:

● La implementación de tecnologías como IoT, Cloud Computing y Machine

Learning permite a Civa optimizar sus operaciones, reducir costos y mejorar la
experiencia del cliente. Esto posiciona a la empresa como un líder innovador en
el transporte terrestre en Perú.

● Las soluciones propuestas, como el mantenimiento predictivo basado en IoT,

pueden reducir significativamente las averías imprevistas y los costos asociados
al mantenimiento reactivo, mejorando la puntualidad y disponibilidad de los
buses.

● El uso de algoritmos de Machine Learning y Big Data puede abordar la

ineficiencia actual en la asignación de buses a rutas, equilibrando mejor la oferta
y la demanda para maximizar recursos y satisfacción del cliente.

● La implementación de metodologías ágiles permite un desarrollo iterativo y

colaborativo, asegurando que las soluciones tecnológicas cumplan con las
necesidades estratégicas y operativas de Civa de manera eficiente.

● La transformación digital no solo mejora la eficiencia operativa y reduce costos,

sino que también fortalece la seguridad y satisfacción del cliente, elementos
clave para el crecimiento sostenible de la empresa.

BIBLIOGRAFÍA:
Abraham, C. S. (2020). La publicidad en los insight de usuarios de la empresa de
transporte interprovincial Civa S.A.C., sede Central, Lima, 2020.
https://repositorio.ucv.edu.pe/handle/20.500.12692/52935

Escuela Profesional, de A.E.T. Y. H. (s/f).FACULTAD DE CIENCIAS

EMPRESARIALES. Edu.pe. Recuperado el 15 de septiembre de
2024, de
https://repositorio.ucv.edu.pe/bitstream/handle/20.500.12692/54015/Reyes_FAM-
SD.pdf?sequence=1&isAllowed=y<