Cómo identificar los equipos que más energía consumen
Un ranking de consumo dice quién gasta más, pero no si la diferencia es real. Combinar varios métodos independientes permite señalar los equipos prioritarios con evidencia que se puede revisar.
Investigación · 14 octubre 2026 · Por Equipo de Datos · PAKTAI
La pregunta
En una operación industrial con decenas de equipos, ¿cuáles son los que realmente concentran el consumo de energía? Responder con un solo criterio es frágil: depende del umbral que se elija. Por eso combinamos cinco formas independientes de mirar los mismos datos y declaramos “identificado” solo al equipo que cumple varias a la vez.
1. Concentración: Pareto
Se calcula la participación de cada equipo, Pi = Ti / ΣT × 100, y se acumula de mayor a menor. Responde cuánto pesa cada equipo y cuántos hacen falta para explicar la mayor parte del total.
2. Valores extremos robustos
Dos reglas que usan mediana y cuartiles, para que los propios extremos no distorsionen el criterio: el rango intercuartílico de Tukey (LS = Q3 + 1,5·IQR) y el Modified Z-score de Iglewicz y Hoaglin (Mi = 0,6745·(xi − mediana)/MAD, con umbral 3,5).
3. Patrón mensual: componentes principales
El PCA resume los doce meses en pocas dimensiones no correlacionadas. Un matiz importante: cuando todos los equipos suben y bajan de forma parecida, el primer componente refleja sobre todo el nivel de consumo y no solo la forma del perfil.
4. Grupos naturales: k-means y silhouette
Se agrupan los equipos por similitud de su consumo mensual y se elige el número de grupos con el coeficiente silhouette de Rousseeuw, que va de −1 a 1. Responde si existe un grupo de alto consumo sin haberlo definido de antemano.
5. ¿Diferencia real o azar?: ANOVA en bloques y Friedman
Se compara el consumo entre equipos usando el mes como bloque, para quitar la estacionalidad común, sobre el logaritmo del consumo. La prueba no paramétrica de Friedman respalda el resultado sin exigir normalidad.
Un caso real, anonimizado
Aplicamos este flujo a una operación industrial con 25 equipos en seis procesos y doce meses de consumo. Un grupo muy reducido de equipos concentró cerca de la mitad del consumo anual, superó los dos umbrales de valores extremos y quedó solo en el grupo de alto consumo. Las diferencias entre equipos resultaron estadísticamente significativas, y un único proceso concentró más de la mitad del total.
Referencias
Tukey (1977), Exploratory data analysis; Iglewicz y Hoaglin (1993), How to detect and handle outliers; Jolliffe y Cadima (2016), Philosophical Transactions of the Royal Society A; Rousseeuw (1987), Journal of Computational and Applied Mathematics; Montgomery (2017), Design and analysis of experiments; Conover (1999), Practical nonparametric statistics; ISO 50001:2018.