Optimización de procesos operacionales de SpaceX
Este proyecto se enfoca en el análisis y desarrollo de modelos para la optimización de procesos operacionales de SpaceX, con especial énfasis en la predicción del éxito o fracaso del aterrizaje de los cohetes Falcon 9. El objetivo principal fue crear un sistema de clasificación que pudiera determinar la probabilidad de un aterrizaje exitoso basado en datos históricos de lanzamientos y condiciones operativas.
El proyecto incluyó un análisis exhaustivo de datos, visualizaciones geoespaciales, y la implementación de diversos modelos de machine learning para identificar los factores más influyentes en el resultado de los aterrizajes.
El desarrollo de este proyecto siguió una metodología estructurada que incluyó:
Desarrollé un análisis exploratorio exhaustivo para adquirir conocimiento en profundidad de los datos provistos, identificando patrones y tendencias significativas en los lanzamientos históricos de SpaceX. Este análisis permitió comprender mejor las variables que influyen en el éxito o fracaso de los aterrizajes.
Implementé análisis de proximidad geolocalizada utilizando la biblioteca Folium para detectar influencias geolocalizadas en el aterrizaje de cohetes Falcon 9, Fase 1. Este análisis permitió visualizar y comprender cómo la ubicación de lanzamiento y aterrizaje afecta el resultado de la misión.
Generé y evalué múltiples modelos predictivos de clasificación para determinar el éxito o fracaso de futuros aterrizajes de la fase 1 de los cohetes Falcon 9, incluyendo:
Implementé métricas de evaluación y visualizaciones para comparar el rendimiento de los diferentes modelos y seleccionar el más adecuado para la predicción de aterrizajes.
Creé estrategias para el despliegue (Deployment) y monitoreo (Data drifting) en entornos reales de implementación del modelo, asegurando su efectividad continua a medida que se recopilan nuevos datos de lanzamientos.
El modelo logró un rendimiento excepcional con un 92% en la métrica Precision-Recall AUC, demostrando su capacidad para predecir con alta precisión el éxito o fracaso de los aterrizajes de cohetes Falcon 9.
El análisis geoespacial reveló patrones significativos en la relación entre ubicaciones de lanzamiento y tasas de éxito de aterrizaje, proporcionando información valiosa para la planificación de futuras misiones.
Este proyecto demuestra la efectividad de combinar técnicas avanzadas de análisis de datos y machine learning para optimizar procesos operacionales críticos en la industria aeroespacial. Los modelos desarrollados pueden ayudar a SpaceX a mejorar sus tasas de éxito en aterrizajes, reduciendo costos y aumentando la eficiencia de sus operaciones.
Las estrategias de despliegue y monitoreo diseñadas aseguran que el modelo pueda adaptarse a nuevos datos y mantener su precisión a lo largo del tiempo, proporcionando valor continuo a las operaciones de SpaceX.