La Tesis se enfoca en la creación de un modelo predictivo de productividad de palas con un nivel de confianza aceptable, que a diferencia del método tradicional, incluye no solo las variables de tonelaje minado, tiempo de carguío y tiempo hang; sino que considera también otras variables cuantitativas y cualitativas como el tiempo queue, tiempo spot, tiempo viaje cargado, tiempo queue en el destino, tiempo spot en el destino, tiempo de descarga, tiempo de viaje vacío, guardia, turno, mes, flota de pala, pala, efh vacío, efh cargado, material, tipo de material, fase de origen, fase de destino, hora, disponibilidad de camiones y palas. El objetivo principal es mejorar la predicción de la productividad de palas aplicando Machine Learning, así como determinar el mejor modelo de predicción de la productividad de palas y determinar el grado de importancia de cada una de las variables i...