Sistema predictivo para la asignación de búsquedas de hurtos y fraudes en una empresa eléctrica

Abstract

Frontel, es una empresa perteneciente al rubro de la distribución eléctrica. Es miembro del Grupo Saesa, junto a Saesa, Luz Osorno y Edelaysén. Su cobertura comprende el sur de la Región del Biobío y toda la Región de la Araucanía. Dentro de las políticas instauradas tanto en Frontel como en el Grupo Saesa, se encuentra el de combatir el fenómeno de las Pérdidas no Técnicas, atribuibles a la intervención de usuarios en el sistema de distribución (hurtos) y los artefactos de medida (fraudes) con el fin de sustraer energía eléctrica, generándole pérdidas a la empresa. Como política de combate a las Pérdidas no Técnicas, se dispone de un organismo transversal a las cuatro empresas, llamada Área de Control de Pérdidas (ACP). Para ello, el ACP posee un conjunto de brigadas de inspección, que son las encargadas de detectar las intervenciones en el sistema, además de una base de registro de servicios con ilícito, llamada Base de Consumos No Registrados (CNR). En la actualidad, las brigadas de inspección de Frontel funcionan con un sistema de asignación de búsquedas alojado en un proceso generado desde las zonales. Dicho proceso, es tedioso y no está aprovechando la gran cantidad de información disponible. Todo esto se traduce en una baja efectividad en las búsquedas. A su vez, Frontel presenta la particularidad de ser una empresa con gran cantidad de usuarios de áreas rurales, lo que agudiza aún más el problema de las búsquedas infructuosas. Para combatir el problema, inicialmente se estudió la Base CNR con el objetivo de localizar variables que permitiesen predecir el comportamiento de un cliente fraudulento. Del análisis, se extrajeron tres variables a estudiar: Consumo Bajo, Órdenes de corte pendientes y Reincidencia. La solución propuesta es un sistema automático de asignación, que se genera desde el ACP. Para su acción, este sistema trabaja con un modelo matemático predictivo (Regresión Logística) y dinámico, que incorpora las variables anteriormente escogidas y utiliza la información alojada en la Base CNR como método de calibración. Además, puede adaptarse en el tiempo, incorporando nueva información entrante a las Bases de Datos Tras la validación del modelo, se generó una lista de candidatos con alta probabilidad predicha para ser inspeccionados. Se realizaron 250 inspecciones en la zonal Temuco, obteniéndose una efectividad de búsqueda de 17,69%, superando con creces la efectividad actual de Frontel. Posteriormente, se realiza una estimación de impacto económico de la herramienta en Frontel, obteniéndose un aumento de 18,4% en recuperación económica estimada. Finalmente, se concluye que el sistema automático apoyado del modelo matemático, pueden constituirse en una poderosa combinación que permita mejorar el proceso de asignación y la efectividad de las búsquedas, aumentando así el valor de la empresa.