Resumen
En este trabajo, se contempla un sistema que tiene como finalidad desarrollar una herramienta computacional para reconocimiento de patrones de fallas en el levantamiento artificial de crudo por bombeo electrosumergible (BES), mediante técnicas de manejo de datos relacionadas con aprendizaje de máquina (Machine Learning). Dicho sistema permite realizar un análisis y estudio continuo del proceso BES, lo cual, debido a su complejidad y características propias (costo, accesibilidad, tiempo), resulta imposible llevar a cabo a nivel operacional. En ese sentido, se realizó un análisis de los distintos algoritmos que ofrece el aprendizaje de máquina para resolver problemas de clasificación; se organizó la data, así como el proceso selección de las características a considerar en función de históricos y opiniones de expertos en el área del bombeo electrosumergible. Asimismo, se realizaron pruebas controladas para observar su comportamiento y, finalmente, se evaluó en ambiente operacional. En líneas generales, el resultado final es un Sistema Computacional práctico y funcional que permite identificar patrones de fallas de manera concisa y que hace posible realizar pruebas simuladas del funcionamiento BES, que serían inviables de realizar en ambiente operacional.