Arango Londoño, DavidBuitrago Martín, Daniel MauricioMartínez López, David StevenVidal Godoy, Paula2026-03-182026-03-182025http://hdl.handle.net/11522/5431La puntualidad de los vuelos, medida a través del indicador On-Time Performance (OTP), constituye un aspecto crítico en la calidad del servicio aeronáutico y en la eficiencia operativa de las aerolíneas. En Colombia, las condiciones climáticas se han identificado como uno de los factores que más inciden en los retrasos, generando afectaciones operativas, sobrecostos y una disminución en la satisfacción del pasajero. Este estudio toma como unidad de análisis los vuelos comerciales domésticos operados en Colombia, integrando información histórica de desempeño operacional y variables meteorológicas. El horizonte temporal de análisis comprende datos entre 2019 y 2024, obtenidos de fuentes oficiales como Aerocivil, Cirium, Flightradar24, IDEAM, NOAA y reportes METAR. A partir de estos datos se desarrolla un modelo predictivo basado en técnicas de aprendizaje supervisado, específicamente Random Forest y XGBoost, con un proceso metodológico que incluye análisis exploratorio, selección de características, construcción del modelo y validación mediante métricas estándar de clasificación. El propósito es estimar la probabilidad de retraso y alcanzar un desempeño igual o superior al 85% de precisión, además de identificar las variables meteorológicas más influyentes en el comportamiento de la puntualidad aérea. Los resultados esperados buscan aportar una herramienta de apoyo para la toma de decisiones operativas, optimizar la planificación, reducir costos asociados a demoras y contribuir al fortalecimiento del sector aeronáutico colombiano.Flight punctuality, measured through the On-Time Performance (OTP) indicator, is a critical aspect of service quality in aviation and the operational efficiency of airlines. In Colombia, weather conditions have been identified as one of the main factors contributing to flight delays, leading to operational disruptions, increased costs, and reduced passenger satisfaction. This study focuses on domestic commercial flights operated in Colombia as the unit of analysis, integrating historical operational performance data with meteorological variables. The temporal scope of the analysis covers the period from 2019 to 2024, using data obtained from official sources such as Aerocivil, Cirium, Flightradar24, IDEAM, NOAA, and METAR reports. Based on these data, a predictive model is developed using supervised machine learning techniques, specifically Random Forest and XGBoost, following a methodological process that includes exploratory data analysis, feature selection, model construction, and validation using standard classification metrics. The objective is to estimate the probability of flight delays and achieve a predictive performance equal to or greater than 85% accuracy, as well as to identify the most influential meteorological variables affecting flight punctuality. The expected results aim to provide a decision-support tool for operational planning, cost reduction associated with delays, and the strengthening of the Colombian aviation sector.79 p.application/pdfspaPuntualidad aéreaPredicción de retrasosVariables meteorológicasModelos predictivosAviación comercial en ColombiaFlight punctualityWeather‑related factorsPredictive modelsRandom ForestXGBoostAir transportation in ColombiaFlight delay predictionmaster thesishttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2