Problema
Una red de entrega que prometía una ventana de 120 minutos cumplió esa promesa en 48,8 por ciento de los pedidos históricos, y los promedios esconden la cola: el tráfico por sí solo hace variar los tiempos de entrega en unos 46 minutos entre condiciones ligeras y condiciones congestionadas, mientras las zonas semiurbanas son las más lentas con una media cercana a 239 minutos.
Contexto
Pablo Zavala y Santiago Enríquez construyeron el marco como un equipo equilibrado de dos personas para el curso 94-867 Data to Action de Carnegie Mellon, trabajando a partir de un conjunto de datos sintético de Kaggle con registros de entrega de estilo Amazon y repartiendo el modelado, la implementación y la redacción de forma pareja.
Método
Variables diseñadas de tipo espacial, temporal y de agente alimentan modelos de gradient boosting para una estimación central y el percentil 80 del tiempo de entrega. A partir de ahí, el MILP de triaje filtra pedidos según el pronóstico de la cola, mientras el notebook de simulación añade un margen conforme dirigido a 90 por ciento de cobertura para fijar la promesa de servicio de cada pedido, entrena un clasificador para la probabilidad de cumplir esa promesa, y asigna un precio al riesgo resultante en el MILP de asignación; pruebas KS semanales vigilan la deriva temporal, y una simulación día a día repite las asignaciones bajo las capacidades de turno de los agentes.
Resultado
Sobre una muestra de 2.000 pedidos, el triaje elevó la puntualidad a 80,0 por ciento con 21,3 por ciento de aceptación, la asignación estática con 300 agentes equilibró 84,9 por ciento de puntualidad con 49,8 por ciento de cobertura, y la simulación consciente de la variabilidad con 240 agentes alcanzó 94,8 por ciento de puntualidad con 89,4 por ciento de cobertura, frente a la línea base de 48,8 por ciento.
Alcance de verificación
Cada tasa proviene de una simulación sobre datos sintéticos, y el reporte documenta cómo la mala calibración de capacidad distorsiona la utilización: una pasada de calibración reportó 29 por ciento de utilización con 100 por ciento de cobertura, un desajuste de escala y no holgura real.
Evidencia
El repositorio público confirma los tres notebooks y el PDF del reporte final; el README acredita a ambos autores y remite al conjunto de datos de Kaggle, que permanece externo a la espera de revisión de licencia.