Diseño de un sistema de apoyo a la toma de decisiones para la estimación de demanda académica y la asignación de horarios a asignaturas mediante programación lineal entera mixta en la carrera de Ingeniería Civil Industrial de la Universidad Técnica Federico Santa María

Abstract

La planificación de horarios académicos es un proceso importante dentro de la gestión universitaria, ya que debe considerar factores como los planes de estudio, la demanda de estudiantes y las distintas restricciones académicas y operativas. A partir de esta problemática, la presente memoria desarrolla un sistema de apoyo a la toma de decisiones para la carrera de Ingeniería Civil Industrial del Campus Vitacura de la Universidad Técnica Federico Santa María. El sistema integra la estimación de la demanda académica con la asignación de bloques horarios, considerando las asignaturas impartidas por el Departamento de Industrias de los planes de estudio 6006 y 6008. Para estimar la demanda de estudiantes por asignatura se utilizaron antecedentes históricos proporcionados por la universidad, los cuales fueron previamente limpiados y estructurados. Luego se evaluaron distintos modelos de predicción: promedio simple, regresión lineal, árbol de decisión, Random Forest y Gradient Boosting. Al comparar sus resultados mediante los indicadores MAE, RMSE y 𝑅2, Random Forest presentó el mejor desempeño, con un MAE de 3,552, un RMSE de 7,434 y un 𝑅2 de 0,957. Por esta razón, este modelo fue utilizado para estimar la demanda académica y posteriormente determinar la cantidad de paralelos necesarios para cada asignatura. Con la demanda estimada y los conflictos identificados entre asignaturas de un mismo semestre, se formuló un modelo de programación lineal entera mixta (MILP) para realizar la asignación de bloques horarios. El modelo considera distintos criterios, entre ellos la selección de patrones horarios convenientes, la reducción del uso de bloques tardíos, la reducción de coincidencia entre paralelos y la distribución de las clases durante la semana. Para el escenario analizado se consideraron 28 asignaturas y se generaron 82 combinaciones de asignatura-paralelo. Como resultado, el modelo obtuvo(...).