Prototipo de un sistema de apoyo para toma de decisiones en la gestión de reclamos en empresas de servicios públicos

Abstract

Las empresas de servicios públicos deben responder a tiempo las PQR (Peticiones, Quejas y Reclamos) de sus usuarios. En el caso específico de EPM, el número de PQR recibidas mensualmente ha experimentado fuertes variaciones, especialmente durante la pandemia del COVID-19. Esto ha ocasionado retrasos en los tiempos de respuesta debido a la falta de pronóstico en la cantidad de PQR que se recibirán en los próximos meses, lo que impide una óptima asignación de recursos humanos. En este trabajo de investigación de la maestría, se exploraron diferentes tipos de modelos para pronosticar tanto la serie agregada de reclamos diarios recibidos, como las series individuales asociadas a cada ciclo de facturación. Como resultado, se encontró que el modelo ARIMA brinda el pronóstico más preciso para la serie agregada de reclamos. Este modelo se utiliza en un sistema de simulación que permite estimar los KPI (Indicadores Clave de Desempeño) relevantes del proceso, con el propósito de brindar información para la toma de decisiones. (Texto tomado de la fuente)

Public utility companies must respond to PQR (Petitions, Complaints, and Claims) from their users in a timely manner. In the specific case of EPM, the number of PQRs received monthly has experienced significant variations, especially during the COVID-19 pandemic. This has resulted in delays in response times due to the lack of forecasting the quantity of PQR that will be received in the coming months, hindering optimal allocation of human resources. In this master's research work, different types of models were explored to forecast both the aggregated series of daily received claims and the individual series associated with each billing cycle. As a result, it was found that the ARIMA model provides the most accurate forecast for the aggregated series of claims. This model is used in a simulation system that allows estimating the relevant Key Performance Indicators (KPIs) of the process, aiming to provide information for decision-making.