Pablo Zavala · Evaluación de seguridad de IA · Ingeniería de investigación
Marco de optimización de entrega de última milla
Un marco de predicción y optimización para entrega de última milla, construido con Santiago Enríquez como equipo equilibrado de dos personas para el curso 94-867 Data to Action de Carnegie Mellon. Modelos de gradient boosting pronostican una estimación central y un límite en el percentil 80 del tiempo de entrega sobre un conjunto de datos sintético de Kaggle con registros de entrega de estilo Amazon; el MILP de triaje filtra pedidos según el pronóstico de la cola, mientras el MILP de simulación asigna un precio a cada pedido según el riesgo, estimado por un clasificador, de incumplir su promesa de servicio fijada de forma conforme. En simulación día a día, la asignación consciente del riesgo alcanzó 94.8 por ciento de puntualidad con 89.4 por ciento de cobertura frente a una línea base observada de 48.8 por ciento.
En simulación, la asignación MILP consciente del riesgo con 240 agentes (peso de riesgo base alfa = 1) alcanzó 94.8 por ciento de puntualidad con 89.4 por ciento de cobertura, frente a una línea base observada de 48.8 por ciento sobre los mismos datos sintéticos de entrega.
Repositorio público (notebooks confirmados y reporte)
Cada tasa principal proviene de una simulación sobre un conjunto de datos sintético de entrega de Kaggle; el reporte señala la calibración de capacidad como el supuesto frágil, y el conjunto de datos en sí permanece fuera del repositorio público a la espera de revisión de licencia, con una referencia en el README para la descarga.
Rol: Equipo de dos personas con Santiago Enríquez bajo un reparto equilibrado registrado en el reporte: Pablo seleccionó e implementó el enfoque de predicción y optimización, lideró el análisis exploratorio y desarrolló los modelos predictivos; Santiago implementó el código, validó los supuestos subyacentes y redactó el reporte que ambos autores terminaron juntos.
Tarjeta de evaluación
Resultado principal
Muestra
Corridas de escenarios sobre una muestra de 2,000 pedidos, más una simulación de asignación día a día sobre datos sintéticos de entrega de Kaggle
Evaluador
Tasa de puntualidad frente a la promesa de 120 minutos, cobertura y utilización de agentes por escenario
Resultado
La asignación MILP consciente del riesgo alcanzó 94.8 por ciento de puntualidad con 89.4 por ciento de cobertura en simulación, frente a una línea base observada de 48.8 por ciento.
Límite
Simulación sobre datos sintéticos; las cifras de utilización dependen de la calibración de capacidad.
Nivel de evidencia
Muestra
Tres notebooks confirmados con salidas, más el PDF del reporte final
Evaluador
El lector vuelve a ejecutar los notebooks tras obtener el conjunto de datos de Kaggle
Resultado
Repositorio público (notebooks confirmados y reporte), con el conjunto de datos externo a la espera de revisión de licencia.
Límite
Las reejecuciones de extremo a extremo requieren primero la descarga del conjunto de datos externo.
Afiliación
Muestra
Trabajo de curso de posgrado, octubre de 2025
Evaluador
Portada del reporte del curso
Resultado
Carnegie Mellon, 94-867 Data to Action.
Límite
Proyecto de curso de dos personas y no un sistema desplegado.
Página actualizada
Muestra
Esta entrada y su fila en el registro
Evaluador
Revisión del registro de fuentes de afirmaciones del sitio
Resultado
Julio de 2026.
Límite
El contenido del repositorio puede crecer después de esta fecha.
Ejes de evaluación con muestra, evaluador, resultado y límite.
Eje
Muestra
Evaluador
Resultado
Límite
Resultado principal
Corridas de escenarios sobre una muestra de 2,000 pedidos, más una simulación de asignación día a día sobre datos sintéticos de entrega de Kaggle
Tasa de puntualidad frente a la promesa de 120 minutos, cobertura y utilización de agentes por escenario
La asignación MILP consciente del riesgo alcanzó 94.8 por ciento de puntualidad con 89.4 por ciento de cobertura en simulación, frente a una línea base observada de 48.8 por ciento.
Simulación sobre datos sintéticos; las cifras de utilización dependen de la calibración de capacidad.
Nivel de evidencia
Tres notebooks confirmados con salidas, más el PDF del reporte final
El lector vuelve a ejecutar los notebooks tras obtener el conjunto de datos de Kaggle
Repositorio público (notebooks confirmados y reporte), con el conjunto de datos externo a la espera de revisión de licencia.
Las reejecuciones de extremo a extremo requieren primero la descarga del conjunto de datos externo.
Afiliación
Trabajo de curso de posgrado, octubre de 2025
Portada del reporte del curso
Carnegie Mellon, 94-867 Data to Action.
Proyecto de curso de dos personas y no un sistema desplegado.
Página actualizada
Esta entrada y su fila en el registro
Revisión del registro de fuentes de afirmaciones del sitio
Julio de 2026.
El contenido del repositorio puede crecer después de esta fecha.
Cómo inspeccionar este trabajo
Precio de riesgo sobre promedios
Los notebooks pronostican una estimación central junto a un percentil 80 del tiempo de entrega; a partir de ahí, el MILP de triaje filtra pedidos según el pronóstico de la cola, y el MILP de simulación asigna un precio a cada pedido según el riesgo, estimado por un clasificador, de incumplir su promesa de servicio fijada de forma conforme, de modo que las decisiones de admisión y asignación responden a la incertidumbre en lugar de a un único promedio.
Artefactos confirmados
El repositorio contiene los notebooks de línea base estática, pipeline dinámico y simulación junto con sus salidas, más el PDF del reporte final; mientras tanto, el conjunto de datos fuente de Kaggle permanece externo a la espera de revisión de licencia, y el README indica a los lectores dónde obtener el archivo antes de volver a ejecutar.
Verificación para el lector
Lea cada tasa como una salida de simulación sobre datos sintéticos: comience con las páginas de hallazgos del reporte, y luego siga la ejecución de 94.8 por ciento de puntualidad con 89.4 por ciento de cobertura hasta la tabla de escenarios del notebook de simulación y sus salvedades de calibración de capacidad.
Estudio de caso
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.
Límite
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.
Resultados clave
Puntualidad simulada de 94.8 por ciento con 89.4 por ciento de cobertura (240 agentes, alfa = 1) frente a una línea base observada de 48.8 por ciento
Un modelo de estimación central junto a un pronóstico de cuantil en el percentil 80 alimenta el triaje MILP, mientras el MILP de simulación asigna un precio a cada pedido según el riesgo, estimado por un clasificador, de incumplir su promesa de servicio fijada de forma conforme
La calibración conforme midió 94.9 por ciento de cobertura empírica frente a un objetivo de 90 por ciento sobre 14,222 registros temporalmente fuera de muestra
La frontera de escenarios abarca el triaje (80.0 por ciento de puntualidad con 21.3 por ciento de aceptación), la entrega total (244 por ciento de utilización implícita) y la asignación estática (84.9 por ciento de puntualidad con 49.8 por ciento de cobertura)
Colaboración equilibrada de dos personas con Santiago Enríquez, documentada en la página de atribución del reporte