Modelo Predictivo de Fallas en Coolers

Modelo predictivo que anticipa fallas en coolers mediante Machine Learning usando data augmentation, reduciendo fallos operativos y respaldando negocios locales.

Comment

Inspiration

“La Coca-Cola se vende mejor cuando está fría.” Nos inspiramos en el impacto que tiene un enfriador funcional para negocios locales. Una sola falla puede representar pérdidas económicas importantes, especialmente para pequeños comerciantes. Quisimos usar la ciencia de datos y el aprendizaje automático para anticiparnos a estos eventos y brindar una solución preventiva que genere valor social y económico.

What it does

Nuestro modelo predice la probabilidad de falla de un enfriador (cooler) antes de que ocurra, usando datos de sensores como temperatura, consumo de energía, aperturas de puerta y voltaje. Permite aplicar mantenimiento preventivo, reducir pérdidas y garantizar la operación continua.

How we built it

Aplicamos el enfoque CRISP-DM. Usamos datasets históricos de ventas, alertas, sensores y calendario. Tras limpiar e integrar los datos, generamos features clave y aplicamos modelos XGBoost combinados con técnicas como SMOTE y Jittering para balancear clases y mejorar la precisión.

Challenges we ran into

  • Fuertes desbalances.
  • Selección de features significativas.
  • Ajuste del threshold para evitar falsos positivos sin sacrificar recall.
  • Evaluar el modelo de forma justa bajo condiciones realistas.

Accomplishments that we're proud of

  • Un PR-AUC > 0.92 en pruebas reales.
  • Feature engineering robusto y explicado.
  • Impacto potencial real en comunidades y pequeños negocios.

What we learned

  • La importancia del preprocesamiento de datos y del diseño de features.
  • Cómo ajustar modelos de clasificación para minimizar falsos negativos en aplicaciones críticas.
  • El valor de pensar más allá del modelo: en las personas y el contexto. Una mala calibración o fallo en un sensor puede comprometer todo el sistema, afectando no solo la precisión del modelo, sino también la operación real del enfriador, lo que impacta directamente en las personas que dependen de estos equipos para mantener sus productos y sustento diario.

What's next for Modelo Predictivo de Fallas en Coolers

  • Integración en sistemas operativos reales de mantenimiento.
  • Creación de dashboards para técnicos e inversionistas.
  • Evaluar modelos en tiempo real
  • Escalar la solución a otras regiones o tipos de maquinaria.

Built With

Share this project:

Updates