El análisis de datos aplicado a la calidad de servicio en distribución de energía : cómo el uso de técnicas de análisis de datos y modelos predictivos puede aportar a la eficiencia operativa y calidad de servicio en empresas de distribución de energía

Abstract

Está fuera de cualquier discusión la enorme importancia que tiene el suministro de electricidad para la humanidad, que hace confortable la vida cotidiana en los hogares, que mueve efectivamente el comercio y que hace posible el funcionamiento de la industria (Abur et al., 2002; Ramirez Castaño, 2009). El desarrollo de un país depende en gran medida de su grado de industrialización y este a su vez necesita de las fuentes de energía, especialmente de la energía eléctrica (Naguil et al., 2011; Ramirez Castaño, 2009; Rifkin, 2014). Pero a nivel global la red eléctrica sufre de falta de confiabilidad debido a la ausencia de herramientas de monitoreo y diagnóstico eficientes así como de sistemas automatizados (Jaradat, Jarrah, Bousselham, Jararweh, & Al-Ayyoub, 2015). Este problema se acentúa por la focalización del consumo en horarios pico de demanda y regiones específicas (Song, Xiao, & Van Der Schaar, 2014). Estamos viviendo la revolución de los datos. Las compañías recolectan datos extremadamente detallados y proveen de información y conocimiento a sus clientes, proveedores, aliados e incluso competidores (Brynjolfsson, Hitt, & Kim, 2011) y se evidencia mayor dependencia de este tipo de extracción de conocimiento (Oussous, Benjelloun, Ait Lahcen, & Belfkih, 2018). Esta revolución se materializa en el uso de tecnologías de información en el ámbito corporativo, donde sistemas de gestión de recursos (ERP), suministros (SCM) y clientes (CRM), han probado tener efecto positivo directo las operaciones (McAfee, 2002) y productividad (Aral, Brynjolfsson, & Wu, 2006). Es por esto que estudiaremos la aplicación de estas técnicas de análisis de grandes volúmenes de datos a la distribución de energía en pos de lograr una mejor calidad de servicio y mayor eficiencia operativa.