Despliegue
1 Revisión del Proceso
Durante el desarrollo del proyecto, se presentaron varios inconvenientes que afectaron al calendario, lo que impidió alcanzar los ciclos deseados de optimización y ajustes necesarios para obtener un modelo con las mejores métricas posibles. Los principales problemas fueron la falta de suministro eléctrico en las fechas de revisión del proyecto y días no inhabiles, lo que resultó en interrupciones en las actividades del equipo.
A pesar de no cumplir con los ciclos deseados, se logró desarrollar un modelo que logró satisfacer las necesidades iniciales, teniendo errores pequeños en la mayoría de las presas y un coeficiente de determinación más cercano a 1.
1.1 Determinar próximos pasos
Después de revisar el proceso y los avances logrados hasta el momento, se presentaron varias opciones para proceder en el proyecto, teniendo en cuenta los obstáculos enfrentados y los resultados obtenidos. Las opciones a seguir fueron las siguientes:
Regresar a la fase de comprensión de los datos y realizar otro ciclo hasta la revisión del proceso. Esta opción implicaría revisar nuevamente el conjunto de datos y aplicar técnicas adicionales de preprocesamiento de los datos, con el objetivo de mejorar la calidad de las entradas del modelo. Realizar otro ciclo de modelado, validación y evaluación, lo que podría resultar en un modelo más optimizado. Sin embargo, esta opción implicaría un aumento significativo en el tiempo del proyecto y posiblemente retrasaría la fase de implementación.
Pasar a la fase de Implementación. Dado que se ha logrado desarrollar un primer modelo satisfactorio con métricas aceptables.
1.2 Decisión
Debido a la falta de tiempo para realizar un ciclo adicional completo de compresión y modelado de datos, y considerando que el primer modelo desarrollado ya cumple con los requisitos básicos y ha demostrado ser satisfactorio en las primeras evaluaciones, se tomó la decisión de avanzar a la fase de Implementación.
2 Planear Implementación
Para la implementación del modelo, lo ideal sería contar con un portal web que permita visualizar las gráficas de los niveles de agua actuales y las predicciones futuras del modelo, incluso en fechas para las cuales no se disponen de registros históricos. Además, el portal debería mostrar la medición real de los niveles de agua, en caso de que esté disponible, para facilitar la comparación entre las predicciones y los valores observados. Esto permitiría identificar con mayor precisión cuándo es necesario actualizar el modelo en función de las discrepancias entre las predicciones y los datos reales. A continuación, se adjunta un ejemplo del portal deseado:
Con el objetivo de garantizar que el modelo de predicción de los niveles de agua opere con la máxima precisión, es esencial verificar que los nuevos datos de niveles obtenidos sean correctos. El monitoreo se llevará a cabo de manera anual, ya que se espera contar con una cantidad suficiente de datos (al menos una medición diaria por presa) que permita actualizar y alimentar el modelo, en caso de ser necesario.
2.1 Plan de monitoreo
El plan de monitoreo se enfoca en garantizar que el modelo de predicción de los niveles de agua mantenga su efectividad a lo largo del tiempo. Las actividades de monitoreo incluirán la revisión periódica de dos componentes clave: - Revisión de la precisión del modelo:
Revisión de la precisión del modelo:
1.1. Objetivo: Verificar que el modelo siga proporcionando predicciones precisas y fiables a medida que se vayan incorporando nuevos datos.
1.2. Acciones:
Realizar un análisis comparativo entre las predicciones del modelo y las mediciones reales de los niveles de agua.
Evaluar las métricas de rendimiento (las realizadas para evaluar los modelos).
Disponibilidad y calidad de las mediciones de agua:
2.1. Objetivo: Asegurar que los datos de entrada que alimentan el modelo sean de calidad.
2.2. Acciones:
- 2.2.1. Verificar que los datos de niveles de agua sean consistentes y completos.
2.2 Plan de mantenimiento
El plan de mantenimiento tiene como objetivo asegurar que el modelo siga siendo funcional y eficiente a medida que evolucionan tanto los datos como las necesidades del usuario final. Para lograrlo, el mantenimiento del modelo se llevará a cabo mediante un ciclo completo de CRISP-DM, adaptando el modelo de acuerdo con las nuevas necesidades que puedan surgir durante su uso.
2.3 Experiencia de desarrollo
Como se mencionó anteriormente, no fue posible cumplir completamente con las expectativas del desarrollo debido a inconvenientes con el suministro eléctrico en la infraestructura del sitio donde se presentaban los avances y se impartían mejoras e instrucciones para continuar con el ciclo de desarrollo. Sin embargo, estamos satisfechos con los resultados del proyecto, ya que algunos integrantes trabajaron por primera vez en la creación de un modelo de aprendizaje automático, lo que también permitió aprender a utilizar las medidas de cálculo de errores como base para garantizar su buen funcionamiento. Además, debido a que ya se había trabajado en equipo anteriormente, ayudo a que hubiera una comunicación constante dentro del equipo, no hubo dificultades para repartir las tareas ni para informar sobre posibles contratiempos a tiempo, lo que permitió que el resto del equipo colaborará en la solución de los problemas y cumpliera con los plazos establecidos.