Predicción probabilística del tipo de aforo aduanero en importaciones courier a Ecuador: clasificación multiclase (automático, documental, físico intrusivo y físico no intrusivo-RX) con aprendizaje automático en Python

Simple item page
dc.contributor.advisorNicolalde Rodríguez, Damián Aníbal
dc.contributor.authorRomero Arteaga, Kevin Andrés
dc.date.accessioned2026-06-19T20:50:52Z
dc.date.available2026-06-19T20:50:52Z
dc.date.issued2026
dc.description.abstractEste trabajo propone el diseño y evaluación de un modelo predictivo que estime, para cada paquete de importación courier en Ecuador, la probabilidad de asignación a cuatro clases de aforo: automático, documental, físico intrusivo y físico no intrusivo (RX). El problema se formula como una clasificación multiclase con severo desbalance, por lo que se emplean métricas robustas (macro-F1, balanced accuracy) y medidas específicas para eventos raros como curvas Precision-Recall (Saito & Rehmsmeier, 2015). Dado que el objetivo operativo requiere probabilidades confiables, se incorpora evaluación de calibración probabilística y el uso de puntuaciones probabilísticas (Niculescu-Mizil & Caruana, 2005; Guo et al., 2017). La metodología se alinea con CRISP-DM, emplea partición temporal para evitar fuga de información y combina modelos supervisados con segmentación no supervisada para descubrir perfiles latentes de riesgo (He & Garcia, 2009; OSCE, s. f.). Se utilizan datos históricos anonimizados del courier (N=128,484), donde la clase automática representa ~95.9% de los casos. Los resultados preliminares muestran que la etapa de detección de casos no automáticos alcanza ROC-AUC=0.731 y PR-AUC=0.186, con umbral operativo para recall≈0.80 y precisión≈0.12, priorizando la capacidad de alerta temprana. Se discuten implicaciones operativas (gestión de tiempos y comunicación al cliente), aportes académicos (identificación de factores asociados a mayor control) y límites del estudio (no causalidad y dependencia del conjunto de datos del courier).
dc.id.advisor1715641716
dc.id.author1716929755
dc.identifier.other15967
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/49124
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectAduanas - Inspección y control
dc.subjectAprendizaje automático (Inteligencia artificial) - Clasificación multiclase
dc.subjectAnalítica predictiva
dc.subjectGestión de riesgos
dc.subjectImportaciones - Ecuador
dc.titlePredicción probabilística del tipo de aforo aduanero en importaciones courier a Ecuador: clasificación multiclase (automático, documental, físico intrusivo y físico no intrusivo-RX) con aprendizaje automático en Python
dc.typemasterThesis
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Romero Arteaga Kevin Andrés
Size:
839.01 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science