Forecasting & Predictive Maintenance

Forecasting & Predictive Maintenance

Con la aparición de nuevas técnicas de analítica avanzada, una mayor capacidad de cálculo computacional y unas bases de datos que permiten albergar cantidades ingentes de información, la inteligencia artificial se ha metido en nuestras vidas para quedarse.

Disponer de buenas predicciones sobre el futuro es un ingrediente fundamental para una mejor y más objetiva toma de decisiones. Por ejemplo, una buena predicción de la demanda futura de nuestros productos nos ayudará a estimar los ingresos futuros de forma más precisa y fiable; una buena predicción del coste de las materias primas necesarias para nuestro proceso productivo facilitará una estimación rigurosa de los costes de nuestras cuentas de resultados.

Utilizamos por tanto las técnicas predictivas y de analítica avanzada para predecir el valor futuro de cualquier variable aleatoria de forma precisa, rigurosa y objetiva. Tales como: técnicas de Machine Learning para mejorar el mantenimiento predictivo de activos clave; por ejemplo: líneas de distribución de electricidad, aerogeneradores, motores de avión, etc. A partir de mediciones de sensores y de variables físicas, se puede estimar con una precisión elevada la probabilidad de fallo de los activos críticos en las próximas horas, semanas e incluso meses.

También utilizamos las técnicas más avanzadas de redes neuronales – Deep Learning - para identificar daños y deterioros en activos clave a través de la interpretación de imágenes. Los algoritmos se entrenan para detectar fallos en nuevas imágenes, con una precisión y rapidez muy superior al desempeño de expertos humanos, además de mejorar el OPEX. Estas técnicas las hemos utilizado con éxito para detectar daños en redes de distribución de alta, media y baja tensión, parques eólicos y paneles solares fotovoltaicos. Además, estamos utilizando estas técnicas para detección de tumores, melanomas, etc.

Risk Management

Riesgo De Mercado/Riesgo de margen

La mayoría de las empresas de los sectores energético, industrial y financiero, pueden ver afectados, y de forma muy negativa, sus resultados económicos futuros por el simple comportamiento aleatorio de un número importante de índices de mercado, también conocidos como factores de riesgo, que conforman las fórmulas de sus márgenes.

Si la empresa no cuantifica y controla periódicamente, usando las herramientas y metodologías analíticas más adecuadas, el riesgo o incertidumbre implícito en sus márgenes futuros, los resultados al final del periodo pueden diferir mucho de lo esperado, pudiendo tener consecuencias irreversibles para el negocio.

Definir la estrategia de negocio más adecuada para gestionar la incertidumbre/riesgo en los resultados económicos futuros, requiere analizar y conocer en detalle la evolución del mercado (tendencia, volatilidad y expectativas) para cada uno de los factores de riesgo que conforman la fórmula del margen de la actividad.

Es crucial identificar en cada momento cuál es el índice, o grupo de índices, de mercado responsable de la variabilidad (riesgo) de los resultados económicos de la empresa.

La empresa debe conocer en cada momento el nivel de riesgo al que está expuesto el margen de su negocio, pudiendo actuar sobre los factores de riesgo que más estén afectando negativamente a la incertidumbre de sus resultados futuros.

Una correcta gestión del riesgo requiere seguir 4 pasos esenciales:

1. Identificación de los factores de riesgo que afectan a los márgenes de la empresa y cálculo de este.
2. Medición del riesgo del negocio usando la metodología más adecuada.
3. Gestión activa y dinámica del riesgo mediante la utilización de productos financieros.
4. Realización periódica de reporting para analizar la situación del negocio en cada momento, y poder tomar las medidas correctivas más adecuadas.
   
   

Es crucial realizar un seguimiento periódico para comprobar que el margen en riesgo sigue bajo control y dentro de los límites definidos. Además de la realización y el envío periódico de informes sintéticos y fáciles de leer para apoyo a la toma de decisiones.

Disponemos de herramientas de predicción basadas en técnicas de analítica avanzada para estimar precios spot y forward de materias primas, commodities, precios de electricidad, etc., para facilitar la identificación de los mejores momentos en los que realizar las operaciones de cobertura óptimas, maximizando el binomio rentabilidad-riesgo para los márgenes de nuestro negocio.

Riesgo de Contraparte

El riesgo de crédito o de contraparte se define como la pérdida potencial, desde una perspectiva individual y de cartera, a la que se enfrenta la empresa, originada por el incumplimiento de las obligaciones contractuales de sus contrapartes.

Para una mejor comprensión, las medidas de riesgo tanto individuales como globales se calculan tanto para la cartera global como para sub-carteras por país, por sector, por tipo de negocio, por tipo de rating, etc.

Para ello, seguimos las mejores prácticas para una correcta segmentación de las contrapartes:

1. Cobertura y unicidad: toda contraparte deberá estar ubicada en sólo uno de los segmentos identificados.
2. Importancia relativa de los diferentes segmentos: la concentración del negocio de la empresa en un sector de actividad concreto orienta el esfuerzo en la construcción de modelos en este tipo de contrapartes.
3. Disponibilidad de la muestra: un segmento razonable desde el punto de vista comercial o de gestión puede resultar inadecuado a efectos de construcción del modelo si carece de muestra suficiente de clientes y/o de incumplimientos.
4. Homogeneidad en las características de los diferentes grupos para los que van a ser construidos los modelos estadísticos.

Con las técnicas más avanzadas de Machine Learning desarrollamos los mejores modelos para el cálculo de la probabilidad de default y del rating. Sin embargo, estos modelos pueden combinarse con el conocimiento experto del analista de riesgos, que también puede sistematizarse parcialmente.