Contexto
Los sensores fallan, cambian de calibración y no siempre cubren el mismo periodo.
Rellenar huecos sin conservar su origen puede producir una serie limpia que transmite una seguridad falsa.
Ejemplo didáctico · situación inventada
El hueco coincide con una avería
Faltan lecturas precisamente durante una incidencia de la instalación. La interpolación entre los puntos anterior y posterior produce una curva suave.
Qué decisión cambia. No evalúes el método ocultando solo puntos al azar de días normales. Reserva huecos con incidencias comparables y comprueba si el intervalo de incertidumbre permite sostener la decisión prevista.
Qué comprobar antes de empezar
- Variables, unidades y frecuencia de cada fuente.
- Calibración y mantenimiento de sensores.
- Periodos sin observación y causa de la ausencia.
- Restricciones físicas del balance.
- Uso que se hará de la estimación.
Método de trabajo
Alinear
Unificamos tiempo, unidades y ubicación sin borrar las banderas de calidad.
Balancear
Aplicamos restricciones físicas y detectamos incoherencias.
Estimar
Probamos métodos simples y modelos con intervalos de incertidumbre.
Contrastar
Reservamos periodos completos para medir el error real.
Señales para detener la prueba
- No se conoce la calibración de las fuentes principales.
- Las entradas y salidas incumplen de forma persistente el balance físico.
- El intervalo de incertidumbre no permite tomar la decisión prevista.
- El modelo oculta qué puntos son observados y cuáles estimados.
Para seguir con esta decisión
- ¿Cómo validar mantenimiento predictivo cuando hay pocas averías?
- ¿Cómo evaluar un modelo predictivo cuando el servicio se satura?
- ¿Cómo saber si el intervalo de una predicción es fiable?
Servicio de Machine learning y modelos predictivos: alcance y entregables
Publicado por Ordantis el .