Buscar en Google Scholar
Título: Predicción de la aceptación de pedidos por parte de los repartidores en la industria de entregas a domicilio utilizando machine learning
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 14-ago-2024
Institución: Pontificia Universidad Católica del Perú
Resumen: La industria de entregas a domicilio ha experimentado un auge significativo debido a la creciente demanda de los consumidores que buscan la comodidad de recibir productos y alimentos directamente en sus hogares. El avance de tecnologías y aplicaciones móviles ha impulsado el crecimiento de este mercado, permitiéndole adaptarse a las preferencias cambiantes de los consumidores [10] [19]. Sin embargo, un componente crítico en este proceso son los repartidores, quienes, tras la realización de un pedido por parte del cliente en la plataforma de la empresa, reciben notificaciones que les ofrecen una serie de pedidos sugeridos. Si aceptan, asumen la responsabilidad de recoger y entregar el pedido a los consumidores, así como la ganancia asociada, pero en ocasiones, los repartidores pueden declinar la aceptación de un pedido, lo que potencialmente conlleva a retrasos en la entrega, generando experiencias insatisfactorias para los usuarios. Este aspecto se presenta como un desafío significativo en la optimización de las operaciones de entrega a domicilio, el cual puede abordarse con soluciones de aprendizaje de máquina. En este artículo se presentan los resultados de la experimentación realizada con diversos modelos de aprendizaje de máquina, aplicándose la técnica de balanceo Smartly OverSampling con SMOTE. Los modelos se aplicaron a un conjunto de datos proporcionado por una institución latinoamericana líder en el sector de entregas a domicilio, reportando el algoritmo LightGBM, los mejores resultados con un AUC de 0.88 y un Average Precision Recall de 0.47.
Disciplina académico-profesional: Informática con mención en Ciencias de la Computación
Institución que otorga el grado o título: Pontificia Universidad Católica del Perú. Escuela de Posgrado.
Grado o título: Maestro en Informática con mención en Ciencias de la Computación
Jurado: Melgar Sasieta, Héctor Andrés; Beltrán Castañón, César Armando; Villanueva Talavera, Edwin Rafael
Fecha de registro: 14-ago-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons