Selección de Región Óptima para Perforación Petrolera
Proyecto para OilyGiant: seleccionar la región óptima entre 3 candidatas para desarrollar 200 nuevos pozos petroleros, con una inversión de 100 millones USD, maximizando beneficio y manteniendo el riesgo de pérdidas por debajo del 2.5%. Se entrenó un modelo de regresión lineal por región (entrenamiento/validación 75:25) sobre datos de calidad y volumen de reservas, y se usó bootstrapping (1000 muestras) para estimar la distribución de beneficio esperado y el intervalo de confianza al 95% por región. El punto de equilibrio exigía que cada pozo generara al menos 500,000 USD (≈111.1 unidades de reservas) para ser rentable.
El problema
Elegir la región de perforación equivocada implica una inversión millonaria (100M USD para 200 pozos) con riesgo real de pérdida. Se requería un método objetivo, no solo intuición de negocio, para comparar 3 regiones candidatas bajo el mismo criterio cuantificado de riesgo (< 2.5% de probabilidad de pérdida).
La solución
Regresión lineal entrenada por región para predecir volumen de reservas de cada pozo. Selección de los 200 pozos con mayor predicción de reservas por región, y cálculo del beneficio neto usando los valores reales de esos pozos (ingreso de 4,500 USD por unidad de reserva). Bootstrapping con 1000 muestras (tamaño de muestra 500, top-200 por muestra) para estimar la distribución de beneficio y el riesgo de pérdida de cada región, comparando las 3 bajo el mismo criterio: beneficio promedio esperado, intervalo de confianza al 95% y probabilidad de pérdida menor a 2.5%.
Carga y validación de los 3 datasets (geo_data_0/1/2.csv, ~100k pozos c/u) con revisión de nulos, duplicados y estructura.
Entrenamiento de un modelo de regresión lineal por región (partición 75:25) con evaluación de RMSE y volumen medio predicho.
Selección de los 200 pozos con mayor predicción por región y cálculo del beneficio neto con los valores reales.
Bootstrapping de 1,000 muestras por región para estimar beneficio promedio, intervalo de confianza al 95% y riesgo de pérdida, comparando las 3 regiones bajo el mismo criterio.