Reto 3 - Falla Cero Glitch Girls

Inspiration

La inspiración surge de la necesidad de reducir pérdidas y mejorar la eficiencia operativa en la cadena de frío de Coca-Cola, anticipando fallas en los coolers para evitar interrupciones en las ventas y mejorar la experiencia del cliente.

What it does

Modelo predictivo para poder identificar anticipadamente las fallas de coolers, a modo de dar atención y servicio técnico temprano.

How we built it

Desarrollo del algoritmo en un notebook de Python, utilizando técnicas de análisis exploratorio, ingeniería de variables y modelado con XGBoost. Además, se implementó una plataforma en Streamlit para la visualización de resultados y facilitar la toma de decisiones.

Challenges we ran into

Desbalance significativo en la variable objetivo (pocos coolers fallan).
Integración y limpieza de múltiples fuentes de datos con formatos y granularidades diferentes.
Selección de variables relevantes y creación de nuevas variables técnicas.
Ajuste del modelo para evitar sobreajuste y mejorar la generalización.

Accomplishments that we're proud of

Desarrollo de un modelo robusto capaz de anticipar fallas con buena precisión.
Creación de variables técnicas innovadoras a partir de los datos de sensores.
Implementación de una visualización interactiva para facilitar el análisis y la toma de decisiones.

What we learned

Profundizamos en técnicas de análisis exploratorio y manejo de datos desbalanceados.
Aprendimos a combinar información de sensores, ventas y calendario para enriquecer el modelo.
Mejoramos nuestras habilidades en ingeniería de variables y visualización de resultados.