Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla

Descripción del Articulo

Nexa Resources Cajamarquilla es una empresa dedicada a la extracción, tratamiento y transformación de metales. Actualmente, el precio de metales eco amigables viene en aumento debido a las restricciones en el transporte marítimo de combustibles desde Rusia, por lo que se han incrementado los costos...

Descripción completa

Detalles Bibliográficos
Autores: Bustinza Barrial, Alexis Alfredo, Bautista Abanto, Anghy Mabel, Alva Alfaro, Diego Alexis, Villena Sotomayor, Giovanni Mauricio, Trujillo Sabrera, Jeanpiere Manuel
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad ESAN
Repositorio:ESAN-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.esan.edu.pe:20.500.12640/3233
Enlace del recurso:https://hdl.handle.net/20.500.12640/3233
Nivel de acceso:acceso abierto
Materia:Aprendizaje automático
Predicciones
Demanda de energía
Energía eléctrica
Minería
https://purl.org/pe-repo/ocde/ford#2.11.04
https://purl.org/pe-repo/ocde/ford#5.02.04
id ESAN_caa1aa77cdafb99026e2ed8685387b94
oai_identifier_str oai:repositorio.esan.edu.pe:20.500.12640/3233
network_acronym_str ESAN
network_name_str ESAN-Institucional
repository_id_str 4835
dc.title.es_ES.fl_str_mv Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
title Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
spellingShingle Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
Bustinza Barrial, Alexis Alfredo
Aprendizaje automático
Predicciones
Demanda de energía
Energía eléctrica
Minería
https://purl.org/pe-repo/ocde/ford#2.11.04
https://purl.org/pe-repo/ocde/ford#5.02.04
title_short Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
title_full Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
title_fullStr Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
title_full_unstemmed Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
title_sort Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
author Bustinza Barrial, Alexis Alfredo
author_facet Bustinza Barrial, Alexis Alfredo
Bautista Abanto, Anghy Mabel
Alva Alfaro, Diego Alexis
Villena Sotomayor, Giovanni Mauricio
Trujillo Sabrera, Jeanpiere Manuel
author_role author
author2 Bautista Abanto, Anghy Mabel
Alva Alfaro, Diego Alexis
Villena Sotomayor, Giovanni Mauricio
Trujillo Sabrera, Jeanpiere Manuel
author2_role author
author
author
author
dc.contributor.advisor.fl_str_mv Fabian Arteaga, Junior John
dc.contributor.author.fl_str_mv Bustinza Barrial, Alexis Alfredo
Bautista Abanto, Anghy Mabel
Alva Alfaro, Diego Alexis
Villena Sotomayor, Giovanni Mauricio
Trujillo Sabrera, Jeanpiere Manuel
dc.subject.es_ES.fl_str_mv Aprendizaje automático
Predicciones
Demanda de energía
Energía eléctrica
Minería
topic Aprendizaje automático
Predicciones
Demanda de energía
Energía eléctrica
Minería
https://purl.org/pe-repo/ocde/ford#2.11.04
https://purl.org/pe-repo/ocde/ford#5.02.04
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.11.04
https://purl.org/pe-repo/ocde/ford#5.02.04
description Nexa Resources Cajamarquilla es una empresa dedicada a la extracción, tratamiento y transformación de metales. Actualmente, el precio de metales eco amigables viene en aumento debido a las restricciones en el transporte marítimo de combustibles desde Rusia, por lo que se han incrementado los costos de petróleo, gasolina y otros. Las operaciones de las empresas que dependen de energía eléctrica generada por estos combustibles ha aumentado, es en este sentido que se ha propuesto disminuir su consumo de energía eléctrica aplicando herramientas de Machine Learning para pronosticar sus puntos máximos de demanda de energía y poder dosificar su producción. En el presente estudio se aplicó una metodología basada en una estructura cuantitativa relacionando de dos a más variables con un diseño experimental, la variable dependiente y a predecir es el consumo de energía la cual dependerá de periodos de tiempo y tipo de días de la semana (festivo, laborables). Finalmente, los resultados nos ayudaron a elaborar un modelo matemático que nos ayuda a conocer el comportamiento de la demanda de energía; por lo tanto, se pueden anticipar los consumos máximos y de esta manera dosificar su uso para reducir costos y efectos secundarios en los procesos de producción.
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-11-10T17:16:24Z
dc.date.available.none.fl_str_mv 2022-11-10T17:16:24Z
dc.date.issued.fl_str_mv 2022
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.none.fl_str_mv Trabajo de suficiencia profesional
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12640/3233
url https://hdl.handle.net/20.500.12640/3233
dc.language.none.fl_str_mv Español
dc.language.iso.none.fl_str_mv spa
language_invalid_str_mv Español
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.format.none.fl_str_mv application/pdf
dc.coverage.spatial.none.fl_str_mv Perú
dc.publisher.none.fl_str_mv Universidad ESAN
dc.publisher.country.none.fl_str_mv PE
publisher.none.fl_str_mv Universidad ESAN
dc.source.none.fl_str_mv reponame:ESAN-Institucional
instname:Universidad ESAN
instacron:ESAN
instname_str Universidad ESAN
instacron_str ESAN
institution ESAN
reponame_str ESAN-Institucional
collection ESAN-Institucional
bitstream.url.fl_str_mv https://repositorio.esan.edu.pe/bitstreams/0d7a3576-45dc-490d-b583-5e29ad2cb61e/download
https://repositorio.esan.edu.pe/bitstreams/89676bd1-f3f6-44e0-a39a-2cf64d920b44/download
https://repositorio.esan.edu.pe/bitstreams/96d058c6-6b93-4c57-8780-bf2f946a74e9/download
https://repositorio.esan.edu.pe/bitstreams/29e17382-a95b-40c5-85b1-235ba32376eb/download
https://repositorio.esan.edu.pe/bitstreams/19659424-ffea-4d81-a7c6-4371ac8bf43d/download
bitstream.checksum.fl_str_mv 898b6d7eaac77b29ee43f5fbb42b251c
a9a8238e6043663c064961e6230cfeb3
8a4605be74aa9ea9d79846c1fba20a33
9d037839a7ce8c2a80bd58fce89ed4f1
a5d4507a01838432708a8e83081a8124
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional ESAN
repository.mail.fl_str_mv repositorio@esan.edu.pe
_version_ 1843261687407312896
spelling Fabian Arteaga, Junior JohnBustinza Barrial, Alexis AlfredoBautista Abanto, Anghy MabelAlva Alfaro, Diego AlexisVillena Sotomayor, Giovanni MauricioTrujillo Sabrera, Jeanpiere ManuelPerú2022-11-10T17:16:24Z2022-11-10T17:16:24Z2022https://hdl.handle.net/20.500.12640/3233Nexa Resources Cajamarquilla es una empresa dedicada a la extracción, tratamiento y transformación de metales. Actualmente, el precio de metales eco amigables viene en aumento debido a las restricciones en el transporte marítimo de combustibles desde Rusia, por lo que se han incrementado los costos de petróleo, gasolina y otros. Las operaciones de las empresas que dependen de energía eléctrica generada por estos combustibles ha aumentado, es en este sentido que se ha propuesto disminuir su consumo de energía eléctrica aplicando herramientas de Machine Learning para pronosticar sus puntos máximos de demanda de energía y poder dosificar su producción. En el presente estudio se aplicó una metodología basada en una estructura cuantitativa relacionando de dos a más variables con un diseño experimental, la variable dependiente y a predecir es el consumo de energía la cual dependerá de periodos de tiempo y tipo de días de la semana (festivo, laborables). Finalmente, los resultados nos ayudaron a elaborar un modelo matemático que nos ayuda a conocer el comportamiento de la demanda de energía; por lo tanto, se pueden anticipar los consumos máximos y de esta manera dosificar su uso para reducir costos y efectos secundarios en los procesos de producción.application/pdfEspañolspaUniversidad ESANPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc/4.0/Aprendizaje automáticoPrediccionesDemanda de energíaEnergía eléctricaMineríahttps://purl.org/pe-repo/ocde/ford#2.11.04https://purl.org/pe-repo/ocde/ford#5.02.04Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquillainfo:eu-repo/semantics/bachelorThesisTrabajo de suficiencia profesionalreponame:ESAN-Institucionalinstname:Universidad ESANinstacron:ESANSUNEDUIngeniero Industrial y ComercialUniversidad ESAN. Facultad de IngenieríaIngeniería Industrial y Comercial44749148https://orcid.org/0000-0001-9804-77957025237474624300731152887170244573148563https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionalhttps://purl.org/pe-repo/renati/level#tituloProfesional722056Lizarzaburu Bolaños, Edmundo Raúl AntonioGonzales Lopez, Rolando AlbertoAcceso abiertoORIGINAL2022_IIC_22-2_08_TC.pdf2022_IIC_22-2_08_TC.pdfTexto completoapplication/pdf6993378https://repositorio.esan.edu.pe/bitstreams/0d7a3576-45dc-490d-b583-5e29ad2cb61e/download898b6d7eaac77b29ee43f5fbb42b251cMD51trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8920https://repositorio.esan.edu.pe/bitstreams/89676bd1-f3f6-44e0-a39a-2cf64d920b44/downloada9a8238e6043663c064961e6230cfeb3MD52falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.esan.edu.pe/bitstreams/96d058c6-6b93-4c57-8780-bf2f946a74e9/download8a4605be74aa9ea9d79846c1fba20a33MD53falseAnonymousREADTHUMBNAIL2022_IIC_22-2_08_TC.pdf.jpg2022_IIC_22-2_08_TC.pdf.jpgGenerated Thumbnailimage/jpeg3435https://repositorio.esan.edu.pe/bitstreams/29e17382-a95b-40c5-85b1-235ba32376eb/download9d037839a7ce8c2a80bd58fce89ed4f1MD57falseAnonymousREADTEXT2022_IIC_22-2_08_TC.pdf.txt2022_IIC_22-2_08_TC.pdf.txtExtracted texttext/plain102094https://repositorio.esan.edu.pe/bitstreams/19659424-ffea-4d81-a7c6-4371ac8bf43d/downloada5d4507a01838432708a8e83081a8124MD56falseAnonymousREAD20.500.12640/3233oai:repositorio.esan.edu.pe:20.500.12640/32332025-07-10 16:20:45.248http://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccessopen.accesshttps://repositorio.esan.edu.peRepositorio Institucional ESANrepositorio@esan.edu.peTk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=
score 13.981864
Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares