Pronóstico de series temporales

El pronóstico de series temporales utiliza datos secuenciales históricos — lecturas de sensores, consumo de energía, demanda — para predecir valores futuros. En la industria sustenta el pronóstico de energía y demanda, el mantenimiento predictivo y la planificación de la producción al proyectar cómo evolucionará una magnitud medida.

Al aprender los patrones, tendencias y estacionalidad de los datos con marca temporal, los modelos de pronóstico proyectan lo que viene a continuación y señalan cuándo la realidad diverge. Sus usos industriales incluyen prever la demanda de energía para la gestión de costes y de red, predecir la degradación de los equipos hacia el fallo y planificar la producción y el inventario. La precisión depende de la calidad de los datos y de la estabilidad de los patrones subyacentes, por lo que los pronósticos se acompañan de la monitorización de la deriva.

Términos relacionados

Aprendizaje automático (industrial) · Detección de anomalías · Mantenimiento predictivo (PdM) · Respuesta a la demanda