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

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorBustinza Barrial, Alexis Alfredo
dc.contributor.authorBautista Abanto, Anghy Mabel
dc.contributor.authorAlva Alfaro, Diego Alexis
dc.contributor.authorVillena Sotomayor, Giovanni Mauricio
dc.contributor.authorTrujillo Sabrera, Jeanpiere Manuel
dc.coverage.spatialPerú
dc.date.accessioned2022-11-10T17:16:24Z
dc.date.available2022-11-10T17:16:24Z
dc.date.issued2022
dc.description.abstractNexa 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.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3233
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/2.5/pe/*
dc.subjectAprendizaje automáticoes_ES
dc.subjectPrediccioneses_ES
dc.subjectDemanda de energíaes_ES
dc.subjectEnergía eléctricaes_ES
dc.subjectMineríaes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titlePredicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquillaes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni70252374
renati.author.dni74624300
renati.author.dni73115288
renati.author.dni71702445
renati.author.dni73148563
renati.discipline722056es_ES
renati.jurorLizarzaburu Bolaños, Edmundo Raúl Antonio
renati.jurorGonzales Lopez, Rolando Alberto
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
2022_IIC_22-2_08_TC.pdf
Size:
6.67 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería Industrial Comercial