Pronóstico de la demanda de una instalación industrial

Resumen

El pronóstico en la actualidad es un factor importante de la gestión, planificación y toma de decisiones. Esto presenta un dilema al tener que elegir un modelo para obtener mayor precisión y menos índice de error, especialmente con datos altamente variables como la demanda eléctrica. Este estudio tuvo como objetivo aplicar modelos de pronóstico mediante enfoques cualitativos y cuantitativos integrando diversos factores para robustecer la predicción de la demanda eléctrica de una instalación industrial de una manufacturera ecuatoriana. Para ello se aplicó una metodología bajo el paradigma mixto con modelos cuantitativos de Tendencia Lineal, Suavización Exponencial Simple, Holt-Winters y SARIMA, además se evaluó el modelo cualitativo juicio de expertos Delphi y se determinaron pruebas de error MAE (Mean Absolute Error), RMSE (Root Mean Square Error) y MAPE (Mean Absolute Porcentaje Error) en horizontes temporales diarios, semanales, mensuales y anuales. Los resultados determinan que no existe un modelo ideal,  su elección depende de la temporalidad del análisis destacando según la aplicación en horizonte diario y semanal el modelo de suavización exponencial simple obteniendo MAPE de 3.90% para escala diaria y MAPE 0.76% para periodos semanales, mientras que en temporalidad mensual o anual con menos diferencia estructural de datos, el modelo SARIMA obtiene el MAPE más bajo de 0.05%, mientras que el modelo Holt-Winters tienen resultados intermedio en términos de precisión y el modelo cualitativo Delphi es el que demostró menos precisión métrica con un error promedio del 13%. Se acepta la hipótesis alternativa y se rechaza la hipótesis nula al considerar que la aplicación de modelos de pronóstico mejora la precisión de la proyección de demanda eléctrica.