-
-
correlacion global
-
-
-
-
-
-
-
-
-
-
Inspiration
Encontrar una forma de evitar la pérdida de ventas y priorizar la anticipación de fallos
What it does
Nuestro modelo tiene una precisión promedio del 97%, la presición es para identificar las probabilidades de que un cooler falle en mayo 2025
How we built it
Con python y diversas librerias de visualización y manipulación de datos, se calcularon los promedios mensuales por cooler como input para el modelo final: LGBMClassifier.
Challenges we ran into
Valores irrelevantes y columnas inconsistentes. Datos faltantes (empty values) que fueron eliminados.
Accomplishments that we're proud of
Con el modelo predictivo se estima prevenir fallas en al menos un 25% de los coolers monitoreados.
What we learned
No necesitamos predecir el 100% para generar valor significativo. Un 25% de mejora en confiabilidad ya transforma la experiencia del cliente y los costos operativos.
What's next for FreshCast
Identificar qué caracteriza al 75% no detectado Mejorar sensores o agregar nuevas variables Refinar algoritmos con más datos históricos
Log in or sign up for Devpost to join the conversation.