Ajuste de modelos lineales mixtos para la estimación futura del consumo de energía en servicios públicos de clientes del departamento de Antioquia
Cargando...
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
En un mundo cada vez más orientado hacia el análisis de datos, las herramientas estadísticas brindan una ventaja competitiva significativa al permitir un enfoque informado y basado en evidencia para la toma de decisiones. Con este enfoque, las empresas pueden tomar decisiones más informadas y desarrollar estrategias sólidas para abordar los desafíos y oportunidades emergentes. Las metodologías estadísticas pueden aplicarse en una amplia variedad de campos y sectores empresariales, lo que les brinda una versatilidad única. En el caso particular de las empresas prestadoras de servicios públicos domiciliarios en Colombia, la normatividad exige la revisión de las variaciones en el consumo de sus clientes. Sin embargo, en la identificación de estas variaciones, conocidas como desviaciones significativas, se les permite a las empresas aplicar su criterio. La mayoría de ellas utiliza cálculos de variación del consumo del mes actual frente al consumo promedio de los últimos seis meses. Aunque esta práctica es común, son pocos los casos en los que se han propuesto metodologías basadas en comportamientos históricos respaldados por modelos estadísticos solidos. Por lo tanto, en este contexto, se propone un enfoque que busca mejorar la precisión de las predicciones del consumo de cada cliente. Se propone un modelo predictivo basado en el ajuste de Modelos Lineales Mixtos (MLM). Los MLM son una herramienta estadística que permite tomar en cuenta efectos fijos y aleatorios, lo que puede mejorar significativamente la precisión de las predicciones en comparación con enfoques más simples. Para esto, se tomó un histórico de consumos de energía eléctrica de 74,421 clientes del departamento de Antioquia, desde junio de 2024 hasta julio de 2025, y se ajustaron y evaluaron modelos basados en MLM para la identificación de desviaciones significativas. Adicionalmente, se creó un dashboard en R para permitir que los clientes internos de la empresa puedan utilizar el modelo estadístico ajustado para identificar consumos de energía. (Texto tomado de la fuente)
Abstract
In an increasingly data-driven world, statistical tools provide a significant competitive advantage by enabling an informed and evidence-based approach to decision-making. With this approach, companies can make more informed decisions and develop robust strategies to address emerging challenges and opportunities. Statistical methodologies can be applied across a wide range of fields and business sectors, providing them with unique versatility.
In the specific case of utility service companies in Colombia, regulations mandate the review of variations in customer consumption. However, in dentifying these variations, known as significant deviations, companies are allowed to apply their judgment. Most of them use calculations of the current month’s consumption versus the average consumption of the last six months. Although this practice is common, few cases propose methodologies based on
historical behaviors supported by strong statistical models. Therefore, in this context, an approach is proposed to enhance the accuracy of predictions
for each customer’s consumption. A predictive model based on the adjustment of Mixed Linear Models (MLM) is suggested. MLMs are a statistical tool that allows for the consideration of both fixed and random effects, which can significantly improve prediction accuracy compared to simpler approaches. For this purpose, a history of electricity consumption from 522 customers in the Antioquia department from June 2024 to July 2025 was collected, and
models based on MLM was fitted and evaluated for the identification of significant deviations. Additionally, an R-based dashboard was developed to enable the company’s internal clients to utilize the fitted statistical model for identifying energy consumption patterns.
Palabras clave propuestas
Descripción
Ilustraciones