Moarri Nohra, RichardQuispe Cruz, Hector2024-07-172024-07-172024https://hdl.handle.net/20.500.12640/4055La investigación se centró en proponer la optimización de los procesos operativos de los grupos del Complejo Hidroeléctrico del Mantaro, utilizando un enfoque analítico innovador para el análisis de datos mediante herramientas de administración inteligente de negocios. Se propuso mejoras en la eficiencia operativa a través del análisis descriptivo y predictivo del Big Data de su sistema SCADA utilizando tecnologías de BI y ML. Se implementaron modelos analíticos en Power BI para analizar las mediciones de los equipos de los 10 grupos de generación, detectando una alarma crítica en el grupo G1 SAM y pronosticando una falla en la temperatura de aceite del cojinete guía turbina. Para lo cual se entrenaron 41 modelos predictivos con Azure ML, luego se realizó un análisis comparativo de sus métricas de desempeño, identificando al mejor modelo con el cual se pronosticó la falla. La detección temprana permitió tomar acciones correctivas, evitando la falla del grupo y pérdidas económicas. Se demostró que el uso de plataformas BI y ML pueden optimizar significativamente los procesos operativos en la generación de electricidad en complemento a las herramientas de automatización industrial existente. Siendo una oportunidad de mejora para la empresa y la industria de producción de energía.application/pdfspainfo:eu-repo/semantics/embargoedAccessOptimizaciónIndustria eléctricaGeneración de energíaEnergía eléctricaInteligencia empresarialAprendizaje automáticoEficienciainfo:eu-repo/semantics/masterThesishttps://purl.org/pe-repo/ocde/ford#5.02.04