Predicción energética en el extremo sur chileno
Exploramos cómo una petrolera chilena revolucionó la predicción de consumo de gas en regiones desafiantes. Desde la integración de datos meteorológicos hasta la implementación de modelos en la nube, conocemos los retos y soluciones técnicas detrás de esta transformación.
This show was created with Jellypod, the AI Podcast Studio. Create your own podcast with Jellypod today.
Get StartedIs this your podcast and want to remove this banner? Click here.
Chapter 1
Una importante compañía petrolera de Chile ha sido, desde hace más de 70 años, el motor energético del país. Se encarga de explorar, producir, refinar y distribuir petróleo y gas, asegurando el abastecimiento incluso en las regiones más australes y complejas del territorio. Con operaciones locales e internacionales, y una infraestructura sólida, es sinónimo de energía confiable. La compañía había implementado exitosamente un modelo de predicción de consumo de gas en la Región 1, que le permitía anticipar la demanda, tomar decisiones informadas y aplicar medidas preventivas, mejorando la eficiencia del servicio. Explorar: analizar y limpiar los datos. Probar: evaluar distintos modelos y algoritmos. Construir: desarrollar modelos a medida para cada región. Ajustar: adaptar la infraestructura de Azure y los pipelines. Validar: revisar los resultados en conjunto con el cliente. Implementar: poner en producción la solución bajo CI/CD. Transferir: entregar documentación y conocimiento para continuidad. Hoy, esta importante compañía puede anticipar el consumo de gas en tres regiones clave del sur del país, con hasta 15 días de antelación.
hombre colombiano
Una importante compañía petrolera de Chile ha sido, desde hace más de 70 años, el motor energético del país. Se encarga de explorar, producir, refinar y distribuir petróleo y gas, asegurando el abastecimiento incluso en las regiones más australes y complejas del territorio.
hombre colombiano
Con operaciones locales e internacionales, y una infraestructura sólida, es sinónimo de energía confiable.La compañía había implementado exitosamente un modelo de predicción de consumo de gas en la Región 1, que le permitía anticipar la demanda, tomar decisiones informadas y aplicar medidas preventivas, mejorando la eficiencia del servicio.El objetivo era ahora replicar ese modelo en la Región 2 y la Región 3, pero estos nuevos contextos presentaban desafíos adicionales.La información meteorológica histórica era incompleta, y a partir del cuarto día, el pronóstico solo estaba disponible cada 3 horas (en lugar de cada hora). Además, los datos de consumo de gas estaban disponibles únicamente como valores diarios, sin granularidad horaria.
hombre colombiano
Estas diferencias en la calidad de los datos hacían inviable reutilizar directamente los modelos anteriores, representando un reto técnico relevante para mantener la precisión en la estimación del consumo.
hombre colombiano
A eso se sumaban condiciones climáticas extremas, temperaturas bajas, vientos fuertes y una logística compleja que exigía una planificación anticipada para evitar interrupciones.
hombre colombiano
Y el desafío no era menor: se necesitaban predicciones con un horizonte de hasta 15 días.
hombre colombiano
Por eso, la compañía decidió confiar nuevamente en Practia.
hombre colombiano
Practia escuchó, desarrolló e implementó un plan estructurado, que abarcó desde la exploración y depuración de los datos, hasta el desarrollo, ajuste y validación de nuevos modelos, su implementación en la nube, y la documentación completa para asegurar continuidad operativa.
hombre colombiano
El primer paso fue trabajar sobre la base de datos disponible: completarla, limpiarla y transformarla.Para cada región, se enriquecieron los datos faltantes utilizando información de estaciones meteorológicas cercanas, asegurando mayor cobertura y continuidad.
hombre colombiano
Se diseñaron nuevos algoritmos de pronóstico adaptados a las condiciones del proyecto, considerando: La menor granularidad del pronóstico a partir del cuarto día (cada 3 horas).La disponibilidad de consumo real en formato diario.
hombre colombiano
La solución técnica incluyó: Pipelines de ingestión y reprocesamiento automático de datos mediante Ashur Sainaps. Modelos de machine learning implementados en Ashur ML. Ajustes en los procesos ETL para que la información procesada se integrara correctamente con los sistemas de monitoreo (piai System).
hombre colombiano
Cada decisión se tomó en conjunto con la compañía, asegurando una construcción colaborativa de principio a fin.
hombre colombiano
La propuesta combinó precisión técnica y visión estratégica: Modelos de predicción para la Región 2 y Región 3, con un horizonte de 1 a 15 días. Ampliación del modelo existente de la Región 1 para cubrir hasta el día 15.
hombre colombiano
Infraestructura tecnológica robusta, automatizada y lista para producción. Documentación técnica y un informe final con conclusiones y recomendaciones. Todo desplegado en áshur utilizando prácticas de DevOps y con foco en la mejora continua.
hombre colombiano
El camino se recorrió en 7 etapas clave: Explorar: analizar y limpiar los datos. Probar: evaluar distintos modelos y algoritmos. Construir: desarrollar modelos a medida para cada región. Ajustar: adaptar la infraestructura de Azure y los pipelines.
hombre colombiano
Validar: revisar los resultados en conjunto con el cliente. Implementar: poner en producción la solución bajo CI/CD. Transferir: entregar documentación y conocimiento para continuidad.
hombre colombiano
Hoy, esta importante compañía puede anticipar el consumo de gas en tres regiones clave del sur del país, con hasta 15 días de antelación.
hombre colombiano
Los modelos procesan variables como temperatura, humedad y viento, identifican patrones de consumo y entregan predicciones horarias de alta precisión. Lo que antes era incertidumbre, hoy es planificación.
hombre colombiano
Y lo que parecía complejo, ahora sucede de forma automática, integrada y confiable.