Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Costos
Costos
Resumen Estadístico
Resumen Estadístico
La extrapolación no lineal involucra la elaboración de proyecciones estadísticas utilizando tendencias históricas que son proyectadas para un periodo específico de tiempo en el futuro. Solamente se utilizan para
pronósticos de series de tiempo. Para los datos transversales y longitudinales (también llamados datos de panel, que son básicamente una combinación de series de tiempo y datos transversales), la regresión
multivariada es la más adecuada. Esta metodología es más útil cuando existen cambios mayores que no son esperados, es decir, se espera que factores causales sigan constantes o cuando los factores causales de
una situación no están del todo claros. También ayuda a desalentar la introducción de preferencias personales en el proceso. La extrapolación es altamente confiable, relativamente sencilla, y económica. Sin embargo,
la extrapolación, que asume que las tendencias recientes e históricas continuarán, produce gran cantidad de errores de pronóstico si llega a ocurrir una discontinuidad dentro del periodo de tiempo. Es decir, la
extrapolación pura de la serie de tiempo asume que todo lo que necesitamos saber está dentro de los valores históricos de las series que está siendo pronosticada. Si asumimos que el comportamiento pasado es una
buena manera de predecir el comportamiento futuro, la extrapolación es idónea. Esto la hace un útil acercamiento cuando todo lo que se necesita son varios pronósticos de corto plazo.
Esta metodología estima la función f(x) para valores arbitrarios de x, interpolando una curva suavizada no lineal a través de todos los valores de x, y utilizando esta curva, se extrapolan los valores futuros de x más allá
del conjunto de datos históricos. La metodología emplea la forma funcional polinómica o la forma funcional racional (una razón de dos polinómios). Normalmente, una función polinómica es suficiente para datos con
comportamiento típicos, sin embargo, las formas funcionales racionales son en ocasiones más exactas (especialmente con funciones polares, como por ejemplo, funciones con denominadores cercanos a cero).
Resumen Estadístico
El promedio móvil simple se aplica cuando los datos de series de tiempo no tienen tendencia o temporalidad. Este modelo no es apropiado cuando se utiliza para predecir
datos transversales. El promedio móvil simple utiliza un promedio de los datos históricos para proyectar resultados futuros. Este promedio se aplica consistentemente
moviéndose hacia adelante, de ahí el término promedio móvil. Los valores de promedio móvil para una duración específica son simplemente la suma de los datos históricos
ordenados e indexados en una secuencia de tiempo. El programa encuentra el rezago óptimo del promedio móvil a través de un proceso de optimización que minimiza los
errores de pronóstico.
La prueba que mejor se ajusta para el pronóstico del promedio móvil simple es la media de la raíz cuadrada de los errores al cuadrado (RMSE - Root Mean Squared Error).
La RMSE calcula la raíz cuadrada de la desviación al cuadrado promedio de los valores ajustados contra los datos actuales.
El Error Cuadrático Medio (MSE - Mead Squared Error) es una medida de error absoluto que ajusta los errores (la diferencia entre los datos históricos y los datos del
pronóstico ajustados pronosticados por el modelo) para prevenir que los errores positivos y negativos se cancelen entre sí. Esta medida también tiende a exagerar errores
grandes ponderándolos con mayor importancia que los errores pequeños, cuadrándolos, lo cual puede ayudar cuando se comparan diferentes modelos de series de tiempo.
El Error de la Media al Cuadrado (RMSE) es la raíz cuadrada del MSE y es la medida más popular de error, también conocida como función de perdida cuadrática. El RMSE
puede definirse como el promedio de los valores absolutos de los errores del pronóstico y es muy apropiado cuando el costo de los errores del pronóstico es proporcional al
tamaño absoluto del error del pronóstico. El RMSE se utiliza como un criterio de selección para el mejor ajuste de modelos de series de tiempo.
El Porcentaje de la Media del Error Absoluto (MAPE - Mean Absolute Percentage Error ) es una medida estadística de error relativo, como un porcentaje promedio del error
de los datos históricos y es más apropiado cuando el costo de los errores del pronóstico tiene una relación más cercana al porcentaje del error que a un valor numérico de
error. Finalmente, una medida asociada es la estadística de la U de Theil, la cual mide la credibilidad del pronóstico del modelo. Es decir, si la estadística de la U de Theil es
menor a 1.0, entonces el método utilizado para el pronóstico proporciona un estimado que es estadísticamente mejor que adivinar.
El Mejor Modelo: Promedio Móvil Simple Segundo Mejor Modelo: Promedio Móvil Doble
2 2
RMSE 65535.0000 RMSE 65535.0000
MSE 65535.0000 MSE 65535.0000
MAD 65535.0000 MAD 65535.0000
MAPE 6553500.00% MAPE 6553500.00%
U de Theil 65535.0000 U de Theil 65535.0000
Tercero Mejor Modelo: Suavizado Exponencial Simple Cuarto Mejor Modelo: Suavizado Exponencial Doble
Alfa 0.5000 Alfa 0.5000
RMSE 65535.0000 Beta 0.5000
MSE 65535.0000 RMSE 65535.0000
MAD 65535.0000 MSE 65535.0000
MAPE 6553500.00% MAD 65535.0000
U de Theil 65535.0000 MAPE 6553500.00%
U de Theil 65535.0000
Quinto Mejor Modelo: Aditivo Estacional Sexto Mejor Modelo: Multiplicativo Estacional
Alfa 0.5000 Alfa 0.5000
Gamma 0.5000 Gamma 0.5000
Estacionalidad 4 Estacionalidad 4
RMSE 65535.0000 RMSE 65535.0000
MSE 65535.0000 MSE 65535.0000
MAD 65535.0000 MAD 65535.0000
MAPE 6553500.00% MAPE 6553500.00%
U de Theil 65535.0000 U de Theil 65535.0000
Séptimo Mejor Modelo: Aditivo de Holt-Winter Octavo Mejor Modelo: Multiplicativo de Holt-Winter
Alfa 0.5000 Alfa 0.5000
Beta 0.5000 Beta 0.5000
Gamma 0.5000 Gamma 0.5000
Estacionalidad 4 Estacionalidad 4
RMSE 65535.0000 RMSE 65535.0000
MSE 65535.0000 MSE 65535.0000
MAD 65535.0000 MAD 65535.0000
MAPE 6553500.00% MAPE 6553500.00%
U de Theil 65535.0000 U de Theil 65535.0000
WBS NAME
1 CONSTRUCCIÓN DE BATERÍAS DE LITIO PARA ALMACENAMIENTO DE ENERGÍA FOTOVOLTAICA
1.1 Investigación de mercado
1.1.1 Análisis de la demanda actual y proyecciones futuras
1.1.2 Estudio de la competencia en el mercado peruano
1.1.3 Evaluación de modelos de negocio existentes en el sector de almacenamiento de energía fot
1.2 Desarrollo tecnológico
1.2.1 Investigación en química de baterías de litio
1.2.2 Diseño y desarrollo de celdas de batería específicas para el clima y las condiciones locales
1.2.3 Integración de sistemas de gestión de energía para mejorar la eficiencia
1.3 Análisis de recursos
1.3.1 Estudio de la disponibilidad de litio y otros materiales necesarios en Perú
1.3.2 Evaluación de la sostenibilidad y aspectos medioambientales relacionados con la extracción
1.4 Colaboraciones estratégicas
1.4.1 Establecimiento de acuerdos con universidades e instituciones de investigación
1.4.2 Colaboración con empresas locales para la producción y distribución
1.4.3 Formación de alianzas con organismos gubernamentales para el apoyo y la implementación
1.5 Aspectos regulatorios
1.5.1 Investigación y cumplimiento de regulaciones locales sobre almacenamiento de energía
1.5.2 Obtención de permisos y certificaciones necesarios para la producción y comercialización de
1.6 Diseño y construcción de prototipos
1.6.1 Ingeniería de detalle para la construcción de prototipos
1.6.2 Adquisición de materiales y componentes necesarios
1.6.3 Ensamblaje y pruebas iniciales de prototipos
1.7 Pruebas y optimización
1.7.1 Evaluación de rendimiento bajo diversas condiciones climáticas
1.7.2 Ajuste del diseño según los resultados de las pruebas
1.7.3 Optimización continua para mejorar la eficiencia y durabilidad
1.8 Implementación y escalamiento
1.8.1 Construcción de instalaciones de producción a mayor escala
1.8.2 Integración de baterías en proyectos fotovoltaicos a nivel nacional
1.8.3 Desarrollo de cadenas de suministro para la distribución eficiente
1.9 Monitoreo y mantenimiento
1.9.1 Establecimiento de sistemas de monitoreo remoto
1.9.2 Desarrollo de programas de mantenimiento preventivo
1.9.3 Capacitación de personal local para el mantenimiento
1.10 Educación y divulgación
1.10.1 Creación de campañas de concientización sobre energía renovable
1.10.2 Desarrollo de materiales educativos para escuelas y comunidades
1.10.3 Participación en eventos y ferias para difundir información sobre el proyecto
COSTO BASE MINIMO MAS PROBABLE MAXIMO
70,000,000.00 60,175,000.00 70,000,000.00 79,350,000.00
4,000,000.00 2,750,000.00 4,000,000.00 4,550,000.00
1,500,000.00 1000000 1,500,000 1,800,000
1,500,000.00 1000000 1,500,000 1,550,000
1,000,000.00 750000 1,000,000 1,200,000
8,000,000.00 6,000,000.00 8,000,000.00 8,950,000.00
1,500,000.00 1000000 1,500,000.0 1,750,000.0
4,000,000.00 3000000 4,000,000.0 4,300,000.0
2,500,000.00 2000000 2,500,000.0 2,900,000.0
5,000,000.00 4,000,000.00 5,000,000.00 5,750,000.00
3,000,000.00 2500000 3,000,000.0 3,250,000.0
2,000,000.00 1500000 2,000,000.0 2,500,000.0
3,500,000.00 2,450,000.00 3,500,000.00 4,450,000.00
1,000,000.00 750000 1,000,000.0 1,500,000.0
1,500,000.00 1000000 1,500,000.0 1,750,000.0
1,000,000.00 700000 1,000,000.0 1,200,000.0
3,000,000.00 2,400,000.00 3,000,000.00 3,550,000.00
1,000,000.00 600000 1,000,000.0 1,300,000.0
2,000,000.00 1800000 2,000,000.0 2,250,000.0
14,000,000.00 13,350,000.00 14,000,000.00 15,750,000.00
3,000,000.00 2750000 3,000,000.0 3,500,000.0
7,000,000.00 6800000 7,000,000.0 7,750,000.0
4,000,000.00 3800000 4,000,000.0 4,500,000.0
3,500,000.00 2,650,000.00 3,500,000.00 4,700,000.00
1,000,000.00 750000 1,000,000.0 1,200,000.0
1,500,000.00 1000000 1,500,000.0 2,000,000.0
1,000,000.00 900000 1,000,000.0 1,500,000.0
23,000,000.00 21,250,000.00 23,000,000.00 23,750,000.00
12,000,000.00 11000000 12,000,000.0 12,500,000.0
7,000,000.00 6750000 7,000,000.0 7,200,000.0
4,000,000.00 3500000 4,000,000.0 4,050,000.0
4,000,000.00 3,550,000.00 4,000,000.00 4,900,000.00
1,500,000.00 1200000 1,500,000.0 1,950,000.0
1,500,000.00 1450000 1,500,000.0 1,750,000.0
1,000,000.00 900000 1,000,000.0 1,200,000.0
2,000,000.00 1,775,000.00 2,000,000.00 3,000,000.00
1,000,000.00 850000 1,000,000.0 1,500,000.0
500,000.00 450000 500,000.0 750,000.0
500,000.00 475000 500,000.0 750,000.0
117600000.00 136000000.00 154150000.00
DISTRIBUCION
60175000
2,750,000.00
1744345.19261122
1467504.49055689
998647.034133319
1515988.68099973
3382204.94366251
2368610.16892362
5000000
2943452.02291152
2141422.56800551
3500000
910626.251396025
1564957.05179987
849749.960866757
995945.888198912
2061190.62504731
3224181.11056322
6843280.85313318
3948671.54653184
3500000
1011932.06200842
1263942.55110063
1000287.47997712
23000000
11578709.5281994
6875493.95429087
4031226.30399303
4000000
1456048.75382851
1628425.06291345
1018743.6196371
2000000
930040.545552038
503489.66937745
528192.186675733
68787310.11