Aplicación de machine learning para la predicción de anomalías en la comercialización de combustibles líquidos en estaciones de servicio utilizando PYTHON

Abstract

Este trabajo se centra en la aplicación de machine learning para la predicción de anomalías en la comercialización de combustibles líquidos en Estaciones de Servicio de Bolivia, buscando combatir el contrabando y mejorar la supervisión de las operaciones. La propuesta aborda la identificación de patrones irregulares en las ventas de combustible, usando algoritmos de machine learning para detectar volúmenes atípicos que podrían indicar desviaciones o manipulaciones ilícitas. La metodología emplea herramientas de Python como TensorFlow para analizar grandes volúmenes de datos de los sistemas B-SISA y OCTANO VOLUMENES, ambos encargados del monitoreo de ventas en estaciones de servicio. El marco normativo que sustenta este proyecto incluye leyes y decretos que regulan la distribución de combustibles y establecen mecanismos para prevenir el contrabando y otras actividades ilegales. Estas normativas son fundamentales para asegurar el cumplimiento de estándares de transparencia y regularidad en el sector. La implementación del modelo predictivo permite no solo la supervisión continua de las operaciones en Estaciones de Servicio, sino también la generación de alertas ante comportamientos anómalos. Así, este software contribuye significativamente a la detección de actividades ilícitas, promoviendo un entorno más controlado y transparente en la comercialización de combustibles líquidos.