Entrega obligatoria — MG-TEL-20260825-001

1. Regla de entrega

No se solicita otra versión redactada sin resultados. La prioridad es entregar datos, evidencias y salidas reales del experimento definitivo. No deben fabricar, reconstruir de memoria ni completar manualmente resultados que no hayan sido producidos por el laboratorio.

Todo archivo debe conservar:

nombre identificable;
fecha/hora cuando aplique;
relación con una prueba o bloque;
trazabilidad hacia el ground truth;
hash SHA-256 cuando corresponda;
sin mezclar pilotos con pruebas definitivas.

2. Estructura que debe quedar en Google Drive

Dentro de 04_Datos_y_Resultados crear y usar esta estructura:

04_Datos_y_Resultados/ ├── 01_Condicion_Normal/ ├── 02_Pruebas_Definitivas/ │ ├── Bloque_01/ │ ├── Bloque_02/ │ ├── Bloque_03/ │ ├── Bloque_04/ │ └── Bloque_05/ ├── 03_Ground_Truth/ ├── 04_Predicciones_Modelo/ ├── 05_Evaluacion/ ├── 06_Metricas/ ├── 07_Tiempos_Deteccion/ ├── 08_Modelo_IA/ └── 09_Resumen_Entrega/

Mover ficha_equipo_fisico.txt desde 04_Datos_y_Resultados hacia 03_Implementacion_y_Evidencias.

3. Entregables obligatorios

1. Resumen de resultados de las pruebas definitivas

Qué queremos: un resumen que indique cuántos de los cinco bloques fueron ejecutados y terminados.

Cómo: una tabla por bloque con cantidad de pruebas programadas, ejecutadas, válidas, inválidas y repetidas.

Dónde: 04_Datos_y_Resultados/09_Resumen_Entrega/resumen_bloques.xlsx o .csv.

Ejemplo:

Bloque	Programadas	Ejecutadas	Válidas	Inválidas	Repetidas	Estado
1	24	24	24	0	0	Completo
2	24	26	24	2	2	Completo

Aceptamos: cantidades reales y trazables.

No aceptamos: “se completaron casi todas” sin números ni identificadores.

2. Carpetas completas de pruebas definitivas

Qué queremos: una carpeta por cada prueba definitiva ejecutada.

Cómo: cada prueba debe incluir telemetría, etiquetas, T0–T3, intensidad programada y observada, predicciones N6, logs y hashes.

Dónde: 04_Datos_y_Resultados/02_Pruebas_Definitivas/Bloque_XX/ID_PRUEBA/.

Ejemplo de carpeta:

A1-N2-A-R03/ ├── telemetria.csv ├── etiquetas_ground_truth.csv ├── predicciones_n6.csv ├── resumen.json ├── registro_ejecucion.log ├── salida_comandos.txt ├── grafica_verificacion.png ├── SHA256SUMS └── verificacion_previa.txt

Aceptamos: una carpeta reproducible y verificable por prueba.

No aceptamos: únicamente capturas de pantalla.

3. Matriz maestra definitiva

Qué queremos: la matriz final de todas las pruebas definitivas.

Cómo: debe contener ID, fecha, bloque, nodo, anomalía, nivel, repetición, T1, T3, intensidad, estado, archivo de telemetría, ground truth, predicción, TP/TN/FP/FN y tiempo de detección.

Dónde: 04_Datos_y_Resultados/05_Evaluacion/matriz_maestra_definitiva.csv.

Ejemplo de columnas:

id_prueba,bloque,nodo,anomalia,nivel,repeticion,t1,t3,intensidad_observada,estado,tp,tn,fp,fn,tiempo_deteccion_s

4. ground_truth.csv definitivo

Qué queremos: verdad de referencia de las pruebas definitivas, no la de pilotos.

Cómo: una fila por prueba o un archivo consolidado con ID, T0, T1, T2, T3, estado, intensidad y ruta de evidencia.

Dónde: 04_Datos_y_Resultados/03_Ground_Truth/ground_truth_definitivo.csv.

Ejemplo:

A1-N2-A-R03,2026-10-21T14:03:05.123Z,2026-10-21T14:03:10.000Z,2026-10-21T14:08:10.000Z,2026-10-21T14:09:15.000Z,valida,87.4

5. Predicciones completas del One-Class SVM

Qué queremos: todas las predicciones generadas por N6 durante las pruebas definitivas.

Cómo: timestamp UTC, nodo, puntaje, umbral y predicción normal/anómala.

Dónde: 04_Datos_y_Resultados/04_Predicciones_Modelo/predicciones_definitivas.csv.

Ejemplo:

timestamp_utc,nodo,score,umbral,prediccion 2026-10-21T14:03:15.000Z,N2,-0.415,-0.318,anomalo

6. Salida de evaluacion.py

Qué queremos: clasificación por prueba con TP, TN, FP y FN.

Cómo: entregar la salida completa generada por el script; no copiar los valores manualmente.

Dónde: 04_Datos_y_Resultados/05_Evaluacion/.

Archivos sugeridos:

evaluacion_por_prueba.csv
evaluacion_consolidada.csv
evaluacion.log

Ejemplo:

A1-N2-A-R03: TP=58, TN=81, FP=3, FN=2, transicion=12, sin_prediccion=0

7. Salida de metricas.py

Qué queremos: métricas globales y desagregadas.

Cómo: global, por anomalía, por nivel, por nodo y combinaciones relevantes; incluir IC de Wilson al 95 % donde corresponde.

Dónde: 04_Datos_y_Resultados/06_Metricas/.

Debe incluir:

precisión;
sensibilidad;
FP y tasa de FP;
FN y tasa de FN;
eventos detectados / eventos válidos;
completitud de datos;
tasa de FP en recuperación y tasa estable, si el script ya las produce.

8. Tiempo de detección por evento

Qué queremos: una fila por evento válido.

Cómo: ID, nodo, anomalía, nivel, T1, primera alerta válida, tiempo de detección y estado detectado/no detectado.

Dónde: 04_Datos_y_Resultados/07_Tiempos_Deteccion/tiempos_deteccion.csv.

Ejemplo:

ID	T1	Primera detección	Tiempo	Estado
A3-N3-M-R02	14:05:00	14:05:10	10 s	Detectado
A4-N2-M-R04	16:22:05	—	—	No detectado

9. Datos originales de condición normal

Qué queremos: los archivos que respaldan las 38,8 h y 27 933 observaciones por nodo que ya aparecen en el documento.

Cómo: exportaciones originales de las cinco sesiones, archivos SHA-256 y resumen de estabilidad.

Dónde: 04_Datos_y_Resultados/01_Condicion_Normal/.

Estructura sugerida:

01_Condicion_Normal/ ├── sesion_01/ ├── sesion_02/ ├── sesion_03/ ├── sesion_04/ ├── sesion_05/ ├── ficha_condicion_normal.csv ├── informe_estabilidad.txt ├── umbrales.json └── SHA256SUMS

10. Artefactos del modelo

Qué queremos: todo lo necesario para reconstruir la inferencia del One-Class SVM.

Cómo: un juego por nodo cuando corresponda.

Dónde: 04_Datos_y_Resultados/08_Modelo_IA/.

Debe contener al menos:

modelo .joblib;
escalador;
archivo de umbral;
hiperparámetros finales;
informe_entrenamiento.txt;
SHA-256 de cada artefacto.

Ejemplo:

08_Modelo_IA/ ├── N2_modelo.joblib ├── N2_scaler.joblib ├── N2_umbral.json ├── N3_modelo.joblib ├── N3_scaler.joblib ├── N3_umbral.json ├── informe_entrenamiento.txt └── SHA256SUMS

11. docs/problemas.md completo

Qué queremos: el archivo original completo que respalda el Anexo F.

Cómo: sin resumirlo ni copiar solo fragmentos.

Dónde: 03_Implementacion_y_Evidencias/docs/problemas.md.

Importante: actualmente el Anexo F contiene un marcador pendiente para las filas 4 a 8. Necesitamos el archivo original para incorporarlas correctamente, sin inventarlas.

12. Confirmación del diseño definitivo: 24 × 5 = 120

Qué queremos: confirmación documental del diseño realmente ejecutado.

Cómo: archivo corto diseno_definitivo.txt o .md que indique:

Condiciones por bloque: 24 Número de bloques: 5 Repeticiones por condición: 5 Total programado: 120 pruebas Semilla(s) de aleatorización: [...] Bloques completados: [...] Pruebas repetidas: [...] Pruebas inválidas: [...]

Dónde: 04_Datos_y_Resultados/09_Resumen_Entrega/.

Esta confirmación es necesaria para corregir la Tabla 13 y las fichas A6/C0, donde todavía existen inconsistencias de 5 vs. 10 repeticiones.

13. Organización de todo lo anterior

Qué queremos: que cada archivo pueda localizarse sin preguntar dónde está.

Cómo: usar exactamente o de forma equivalente la estructura de carpetas propuesta.

Dónde: 04_Datos_y_Resultados.

No aceptamos: archivos sueltos con nombres como final.csv, nuevo2.csv, prueba buena.csv o similares.

14. Mover ficha_equipo_fisico.txt

Acción: trasladar ficha_equipo_fisico.txt.

Desde: 04_Datos_y_Resultados.

Hacia: 03_Implementacion_y_Evidencias.

Motivo: describe infraestructura, no resultados experimentales.

15. Dedicatoria y agradecimientos

Qué queremos: una decisión del equipo.

Cómo: responder una de estas dos opciones:

OPCIÓN A: Sí se incluirán. Adjuntamos el texto definitivo. OPCIÓN B: No se incluirán. Autoriza eliminar ambas páginas.

Dónde: 04_Datos_y_Resultados/09_Resumen_Entrega/decision_preliminares.txt o por comunicación formal al tutor.

4. Archivo resumen obligatorio

Además de los archivos anteriores, crear:

04_Datos_y_Resultados/09_Resumen_Entrega/LEEME_ENTREGA_22OCT.txt

Debe contener:

EXPEDIENTE: MG-TEL-20260825-001 FECHA DE ENTREGA: HORA: BLOQUES PROGRAMADOS: 5 BLOQUES COMPLETADOS: PRUEBAS PROGRAMADAS: 120 PRUEBAS VÁLIDAS: PRUEBAS INVÁLIDAS: PRUEBAS REPETIDAS: GROUND TRUTH: [ruta] PREDICCIONES N6: [ruta] MATRIZ MAESTRA: [ruta] EVALUACION.PY: [ruta] METRICAS.PY: [ruta] TIEMPOS DE DETECCION: [ruta] CONDICION NORMAL: [ruta] MODELO Y HASHES: [ruta] DOCS/PROBLEMAS.MD: [ruta] OBSERVACIONES O INCIDENTES: - ...

5. Qué no deben hacer

No redactar resultados antes de generar las salidas definitivas.
No cambiar hiperparámetros después de ver las pruebas definitivas.
No mezclar pruebas piloto con pruebas definitivas.
No cambiar T0, T1, T2 o T3 para mejorar métricas.
No eliminar pruebas inválidas sin documentarlas.
No inventar datos faltantes.
No entregar solo capturas.
No sobrescribir archivos originales sin conservar trazabilidad.

6. Criterio de aceptación mañana al mediodía

La entrega se considerará suficiente cuando podamos comprobar, sin pedir información adicional:

☐ cuántos bloques se ejecutaron;

☐ cuáles pruebas fueron válidas, inválidas o repetidas;

☐ cuál es el ground truth definitivo;

☐ cuáles fueron las predicciones de N6;

☐ cómo se obtuvieron TP/TN/FP/FN;

☐ cuáles son las métricas globales y desagregadas;

☐ cuáles fueron los tiempos de detección;

☐ cuáles eventos no fueron detectados;

☐ dónde están los datos de condición normal;

☐ dónde están los artefactos del modelo y sus hashes;

☐ que el diseño ejecutado corresponde al plan definitivo;

☐ que existe trazabilidad suficiente para reproducir el análisis.

7. Qué hará el tutor después de recibir esto

Una vez recibida y validada esta evidencia, el equipo no necesita continuar ampliando la investigación. El tutor podrá apoyar con la depuración académica del documento: Capítulo IV, discusión, Capítulo V, resumen final, citas, referencias, ortografía, tablas, figuras, índices y anexos.

La prioridad del equipo ahora es entregar la evidencia científica real. La prioridad ya no es ampliar el documento.