La Inteligencia Artificial en el sector energético: el poder de la decisión óptima

Como se ha puesto de manifiesto en la práctica totalidad de sectores, la Inteligencia Artificial representa una oportunidad única para mejorar la posición de negocio de las empresas de la energía. En la actualidad, contamos con el conocimiento, la tecnología y la capacidad de procesamiento necesarios para dar un salto significativo en la toma de decisiones, tanto en operaciones cotidianas como en estrategias a largo plazo.

La IA nos permite abordar preguntas cruciales para la toma de decisiones que serían difíciles de responder sin estas herramientas, incluso con toda la experiencia acumulada en los equipos. Estas preguntas, que exploraremos con más detalle, son: ¿qué ocurrió? ¿qué va a ocurrir? y ¿cuál es la mejor decisión que puedo tomar?

Estas cuestiones son relevantes en todos los eslabones de la cadena de valor de las compañías del sector energético. Abarcan desde la generación, pasando por el transporte y la distribución, hasta la comercialización. En este artículo esbozamos cómo las diferentes tecnologías del ámbito de la Inteligencia Artificial pueden ayudar a mejorar el rendimiento en cada etapa.

¿Qué ocurrió? - Analítica descriptiva

Este conjunto de técnicas puede ayudarnos a explicar qué ha pasado. Cada vez disponemos de mayor capacidad de recopilar y almacenar información.

Por ejemplo, disponemos de sensores que monitorizan las vibraciones de los equipos o registro de incidencias en la operación de una planta, datos históricos de viento en una zona geográfica y detalles sobre el consumo de energía de diferentes clientes… Comprender y analizar la operación de nuestros activos, así como los patrones de consumo de los clientes, requiere procesar esta información y convertirla en indicadores que los gestores puedan usar como un panel de control.

Esto es fundamental porque nos proporciona información valiosa y comprensible para saber cómo hemos operado hasta el momento y muestra una imagen clara de nuestra trayectoria. Nos permite dejar de depender de intuiciones e impresiones, porque ofrece información cuantitativa que representa de manera precisa y actualizada nuestra posición actual. Con ello, obtenemos una visión clara de cómo hemos trabajado hasta ahora.

¿Qué va a ocurrir? - Analítica predictiva

Con este conjunto de técnicas podemos identificar patrones que permiten anticipar cómo va a ser el futuro, si no con absoluta precisión sí con la suficiente para poder orientar mejor nuestras acciones. Esto nos habilita para hacer previsiones de demanda a partir del comportamiento del mercado en el pasado y de variables relevantes relacionadas con su evolución. Podemos hacer estimaciones de precios de la energía, o responder a la pregunta de si el mercado estará en largo o en corto.

Estas mismas técnicas que nos permiten mirar al futuro permiten identificar patrones relevantes en otro contexto. Por ejemplo, al analizar los datos históricos del viento, podemos detectar datos anómalos que no deben formar parte de la serie porque existió algún tipo de error en el momento del registro. Del mismo modo, si contamos con imágenes de activos correspondientes a diferentes fenómenos de fallo o de deterioro, podemos procesarlas para identificar rápidamente estos problemas de manera automática a partir de las nuevas imágenes que tengamos disponibles.

Esto ofrece más valor porque nos proporciona información sobre qué podemos esperar, y nos permite tomar decisiones más informadas para participar en el mercado eléctrico o planificar nuestro mantenimiento de manera más efectiva.

En busca de la decisión óptima

No obstante, la verdadera joya es la analítica prescriptiva ya que responde a la pregunta crucial ¿cuál es la mejor decisión que puedo tomar?

En este punto, es importante que nos hagamos otra pregunta cuya respuesta no siempre es evidente. ¿Qué es una decisión óptima?

En este contexto, el objetivo puede ser maximizar beneficios, minimizar riesgos y alinearse con los objetivos o directrices relevantes de una compañía. La complejidad de los problemas requiere de herramientas que sean capaces de encontrar la mejor solución y para ello existen algoritmos y técnicas que, con los datos adecuados, son capaces de evaluar eficaz y eficientemente las alternativas, considerando las posibles consecuencias a corto y largo plazo.

En un entorno con poca incertidumbre donde los datos son escasos y hay pocas alternativas, un experto en la materia podría identificar a simple vista cuál es la mejor decisión. Sin embargo, ¿qué ocurre cuando nos enfrentamos a enormes cantidades de datos que cambian constantemente, donde existen múltiples alternativas, algunas de las cuales ni siquiera hemos tenido en cuenta, y numerosos impactos a medio y largo plazo que dependen del feedback del propio proceso de decisión?

La respuesta es simple: será imposible alcanzar la “decisión óptima” solo con la experiencia y conocimientos de nuestros equipos técnicos y directivos. Aquí la IA nos ofrece algo diferencial:

1. Es capaz de considerar todos los aspectos relevantes de la decisión y sus interacciones para estimar de forma correcta el impacto de las decisiones que estamos considerando.
2. Explora de manera sistemática y eficiente (en poco tiempo) el conjunto de todas las posibles decisiones ofreciendo la mejor opción según requisitos técnicos y de negocio. La mejor opción a menudo significa la más rentable, ya que la IA permite tener en cuenta tanto los impactos técnicos como los económicos de las decisiones.
3. Como resultado de lo anterior, en términos operativos podemos tomar decisiones de forma rápida y revisarlas para, si es necesario, cambiarlas tan pronto como se produce algún cambio en el entorno.
4. En términos estratégicos, podemos anticipar y evaluar el impacto de ciertos cambios. Por ejemplo, podemos valorar cuál es el impacto y cómo debemos actuar frente a un incumplimiento de un proveedor, anticipar cómo responder a un aumento de la demanda en los próximos meses, etc.

En definitiva, la IA facilita la toma de decisiones tanto operativas como estratégicas, permitiéndonos la adaptación ágil a los cambios, estudiar posibles escenarios futuros anticipando cómo deberíamos responder y maximizar la rentabilidad.

Encontramos estudios como el titulado_ “Analysing the complexity of the model-based decision making processes within the industrial management context” que estimó el impacto positivo en el ahorro medio informado en 56 artículos de la revista “Interfaces” _mediante la implantación de soluciones de Investigación Operativa (IA). Según el estudio, se logró mejorar el ahorro hasta en un 37%, con un ahorro promedio del 16,96% en empresas que utilizan esta tecnología en sus decisiones.

El espectro de casos de uso es amplio. Por ejemplo, ayudar a decidir cómo aprovisionarse de productos críticos para el negocio (crudo, derivados del petróleo, gas, etc.). Puede aplicarse a la planificación de las actividades de mantenimiento preventivo teniendo en cuenta la actividad, las paradas, el estado de los equipos y su proximidad al fallo, etc. También se puede aplicar en el contexto de los mercados eléctricos para decidir cómo participar en ellos teniendo en cuenta las restricciones propias de los equipos de generación y la naturaleza de los diferentes mercados y sus interdependencias.

Por último [...] lo que ahora puede ser una ventaja competitiva (el uso de la IA para la toma de decisiones) acabará por convertirse en un requisito para estar en el mercado, con lo que las empresas que quieran sobrevivir deben establecer una hoja de ruta para poder incorporar de forma adecuada la IA en sus organizaciones.

Una decisión óptima necesita del mejor análisis. La correcta combinación de técnicas de IA es un aliado imprescindible para competir en el sector de la energía.

Álvaro García es Socio Fundador de baobab soluciones y profesor de la UPM en la ETSII.