Resumen de Técnica de ciencia de datos para el pronóstico de consumo de gas natural en la industria siderúrgica

Abraham Castorena Peña, Alma Jovita Domínguez Lugo, José Roberto Cantú Gonzalez, Dalia Margarita Alba Cisneros

• español

  La programación eficiente de recursos energéticos de gas natural dentro de la industria siderúrgica se encuentra ante muchos desafíos, debido a que este sector no cuenta con las medidas y herramientas necesarias que puedan apoyar su manejo eficiente. En este estudio, se propone un enfoque de pronóstico de consumo de gas natural mediante la técnica predictiva de regresión lineal múltiple. Para el desarrollo del modelo propuesto, se establecen las principales variables relacionadas con el consumo de gas natural que conformarán el modelo predictivo. La evaluación del modelo se llevó a cabo utilizando datos procedentes de una empresa acerera de México. Los resultados del error porcentual absoluto medio, la raíz del error cuadrático medio y la desviación absoluta media de los modelos de RLM (MAPE: 10.23%, RMSE: 20492.32, DAM: 20009.03) vs. método tradicional (MAPE: 34.05%, RMSE:93055.92, DAM: 65170.91), reflejan que los modelos propuestos mejoran significativamente la gestión de recursos de gas natural, proporcionado una mejora sustancial en las estimaciones de volumen de consumo de gas natural para una planificación adecuada de su programación energética.

• English

  Efficient scheduling of natural gas energy resources within the steel industry faces many challenges, as this sector does not have the necessary measures and tools to support its efficient management. In this study, a forecasting approach to natural gas consumption is proposed using the predictive technique of multiple linear regression. For the development of the proposed model, the main variables related to natural gas consumption that will make up the predictive model are established. The evaluation of the model was carried out using data from a steel company in Mexico. The results of mean absolute percentage error, root mean square error and mean absolute deviation of RLM models (MAPE: 10.23%, RMSE: 20492.32, DAM: 20009.03) vs. traditional method (MAPE: 34.05%, RMSE:93055.92, DAM: 65170.91), reflect that the proposed models significantly improve natural gas resource management, providing substantial improvement in natural gas consumption volume estimates for proper energy scheduling.