Big Data & IA
Alcance
Big Data & integración de fuentes
Recolección automática de datos desde sistemas IoT, sensores, SCADA, ERP, contadores inteligentes y fuentes externas como datos climáticos y normativas.
Procesamiento a través de arquitecturas distribuidas, como Databricks, Apache Spark o Snowflake, que permiten escalar según el volumen y la complejidad de los datos.
Modelado predictivo con machine learning
Desarrollo de modelos predictivos para el consumo energético y las emisiones, utilizando técnicas como regresión, clustering o deep learning, según lo que se necesite.
Identificación de patrones de ineficiencia, predicción de picos de demanda y recomendaciones para optimizar las operaciones.
Automatización mediante MLOps
Implementación de un pipeline MLOps, utilizando herramientas como MLflow, Kubeflow o Azure ML, para asegurar que los modelos se entrenen, validen y desplieguen de manera automática.
Monitorización continua de la precisión del modelo y reentrenamiento automatizado con nuevos datos.
Visualización y toma de decisiones
Creación de un panel de control interactivo que muestre métricas clave como la intensidad de carbono, la eficiencia energética, el ahorro logrado y escenarios futuros.
Integración con dashboards de sostenibilidad o reportes corporativos, como ESG y GHG Protocol.
Fases del Proyecto
1. Diagnóstico inicial: Aquí evaluamos la madurez digital, las fuentes de datos y los objetivos de descarbonización.
2. Diseño del ecosistema Big Data y el pipeline de MLOps.
3. Desarrollo de modelos predictivos y de optimización.
4. Despliegue y monitorización continua.
5. Formación y transferencia tecnológica.
