Guillermo Ojeda Cueto

Ingeniero Electromecánico | Productividad & Datos

Scroll

Sobre mí

Ing. Electromecánico en proceso de tesis con perfil técnico–digital. Trabajo sobre proyectos eléctricos/industriales integrando ingeniería de campo con herramientas de control: WBS, línea base, curvas S/valor ganado y un sistema digital de registro de HH, materiales y KPIs para control real de avance y costos. Así como soluciones digitales para proyectos de ingeniería hechas a medida.

Experiencia

Jun 2025 — Oct 2025

Analista de Planificación y Control

EPESA, Villa Elisa

Desarrollo de sistema web de control operativo que redujo tiempos de consolidación de datos de días a minutos, generando un ahorro del 90% en costos operativos. Implementación de cronogramas de obra con MS Project y análisis de KPIs en tiempo real.

Jul 2023 — Ene 2024

Analista Jr. de Gabinete Técnico

Megapar S.A, Fernando de la Mora
  • Diseño de sistemas hidráulicos (PCI) y de detección eléctrica con AutoCAD
  • Realización de análisis detallados de presupuestos para proyectos de sistemas de protección contra incendios, optimizando recursos.
Ene 2019 — Feb 2019

Auxiliar Técnico de Operación

Soporte a operación en usina (GIS interna): cómputo de mantenimiento; Subestación Margen Derecha y Asesoría 50/60 Hz (monitoreo/registro).

Proyectos destacados

WebApp del Libro Diario de Obra

Creación,diseño e implementación end-toend de un sistema de control operativo para registrar horas-hombre, materiales y avance por actividad/subactividad, con reportes y tableros en tiempo real para planificación y control.

Impacto:Reducción de los tiempos de carga y consolidación de datos de días a minutos, minimización de errores de digitación y generación de alertas tempranas de desvíos. La implementación implica un ahorro estimado del >90% del costo operativo del sistema de control del Libro Diario de Obra (licencias + horas administrativas).

Python SQL Analítica UX/UI

Mantenimiento Predictivo de Transformadores

Sistema de predicción de fallas en transformadores eléctricos mediante machine learning sobre análisis cromatográficos. Generación de Health Index para priorización de mantenimiento.

Impacto: Precisión del 96% en predicción de fallos, identificación de variables clave para optimización de recursos.

Machine Learning Python Random Forest SMOTE

Energy & Economic Analysis

Análisis de correlación entre métricas energéticas y productividad académica a nivel global. Visualizaciones avanzadas para identificar tendencias y proponer estrategias sostenibles.

Impacto: Insights sobre el rol de energías renovables y propuestas estratégicas para regiones de alta población.

Pandas Seaborn Data Viz Python

Formación

Bachillerato Científico

2019 — Mejor egresado de la promoción