Prevea los cambios de prácticas empresariales en sus emisiones con el análisis hipotético
Nota
Esta característica está incluida en Microsoft Sustainability Manager Premium.
El análisis hipotético es un modelo de IA personalizado que le permite prever el impacto de varios cambios en las prácticas empresariales sobre la huella de emisiones de carbono de su organización. Le ayuda a crear estrategias de reducción del carbono más informadas y a acelerar sus objetivos generales de sostenibilidad. Por ejemplo, puede prever el impacto del cambio a fuentes de energía renovables, como la eólica o la solar, o el cambio de proveedor a través de factores específicos del proveedor.
Este artículo le muestra cómo crear una previsión de análisis hipotético. También ofrece consideraciones, detalles e información que le ayudarán a sacar el máximo partido a su previsión.
Este episodio de Hablemos de sostenibilidad Vídeo demuestra cómo utilizar el análisis hipotético:
Consideraciones importantes
Tenga en cuenta estas consideraciones al crear su escenario de previsión.
Puede seleccionar entre una y tres estrategias dentro de un solo escenario utilizando el campo Número de escenarios.
El campo Variables es de selección múltiple y le permite elegir los datos o las cantidades que desea pronosticar que cambiarán. Por ejemplo, puede optar por modificar el Coste, la Distancia y la Cantidad de bienes que se transportan como parte de su escenario 4. Transporte y distribución ascendentes .
Cada escenario requiere los siguientes campos:
- Name
- Unidad organizativa
- Tipo de datos
- Modelo de cálculo
- Versión AR
- Número de estrategias
- Variables
Instalación No es un campo obligatorio, pero puedes usarlo para limitar aún más los datos para tu pronóstico.
Crear una previsión de análisis hipotético
Para empezar a usar el análisis hipotético, siga estos pasos:
En el panel de navegación, seleccione Análisis hipotético.
En la página Análisis hipotético, seleccione Nuevo escenario.
En el panel Nuevos escenario hipotético , especifique los siguientes detalles:
- Name
- Unidad organizativa
- Tipo de datos
- Modelo de cálculo
- Versión AR
A continuación, seleccione el número de estrategias que desea añadir en capas a través del campo Número de estrategias.
A continuación, seleccione las Variables que desea pronosticar que cambiarán como parte de su estrategia o estrategias. Primero debe ingresar los valores históricos de estas variables, que representan la estrategia actual que utiliza su organización. Por ejemplo, si está pronosticando el impacto de cambiar su flota de vehículos versión preliminar, primero debe ingresar el vehículo actual y el tipo de combustible en Estrategia actual.
Una vez que haya completado el formulario, seleccione Guardar y Cerrar.
Seleccione el escenario creado y, a continuación, seleccione Ejecutar escenario. Una vez finalizado el trabajo del escenario, recibirá una notificación en la aplicación que le avisará de los resultados, con un hipervínculo que le conducirá a ellos. Esta página muestra los detalles de su escenario y un gráfico que visualiza sus datos históricos y las previsiones de estrategia asociadas.
Nota
La duración del horizonte de pronóstico de su escenario se basa en la cantidad de datos históricos que se incorpora. Como regla general, su horizonte de pronóstico siempre será aproximadamente la mitad de su datos históricos. Por ejemplo, si tiene dos años de datos históricos en intervalos de un mes, entonces puede esperar ver un horizonte de pronóstico de un año en el mismo interno.
Escenarios compatibles
Cada escenario tiene diferentes niveles de personalización que le permiten adaptar la previsión a los datos y necesidades de su organización usando variables. Esta tabla enumera todas las variables disponibles para cada tipo de datos.
| Categoría de escenario | Variables disponibles |
|---|---|
| Proceso industrial | - Coste - Cantidad de bienes - Tipo de proceso industrial - Tipo de gasto - Cantidad |
| Combustión móvil | - Coste - Distancia - Cantidad de combustible - Tipo de combustible - Cantidad de bienes - Tipo de proceso industrial - Cantidad - Tipo de gasto - Tipo de vehículo |
| Combustión estacionaria | - Coste - Tasa de conversión de energía - Cantidad de combustible - Tipo de combustible - Cantidad de bienes - Tipo de proceso industrial - Cantidad - Tipo de gasto |
| Refrigeración comprada | - Tipo de instrumento contractual - Coste - Cantidad de bienes - Es renovable - Cantidad - Tipo de gasto |
| Electricidad comprada | - Tipo de instrumento contractual - Coste - Cantidad de bienes - Es renovable - Cantidad - Tipo de gasto |
| Calor comprado | - Tipo de instrumento contractual - Coste - Cantidad de bienes - Es renovable - Cantidad - Tipo de gasto |
| Vapor comprado | - Tipo de instrumento contractual - Coste - Cantidad de bienes - Es renovable - Cantidad - Tipo de gasto |
| 1. Bienes y servicios comprados | - Coste - Cantidad de bienes - Tipo de proceso industrial - Cantidad - Tipo de gasto |
| 2. Bienes de capital | - Coste - Tipo de proceso industrial - Cantidad - Tipo de gasto |
| 4. Transporte y distribución ascendentes | - Coste - Distancia - Cantidad de combustible - Tipo de combustible - Cantidad de bienes - Tipo de proceso industrial - Cantidad - Tipo de gasto - Modo de transporte - Tipo de transporte y distribución - Tipo de vehículo |
| 5. Residuos generados en operaciones | - Coste - Método de eliminación - Distancia - Cantidad de combustible - Tipo de proceso industrial - Material - Cantidad - Tipo de gasto - Modo de transporte - Cantidad de residuos |
| 6. Viaje de negocios | - Tipo de viaje de negocio - Coste - Distancia - Cantidad de combustible - Tipo de proceso industrial - Cantidad - Tipo de vehículo |
| 7. Desplaz. empleados | - Coste - Distancia - Tipo de desplazamiento al trabajo de los empleados - Cantidad de combustible - Tipo de combustible - Tipo de proceso industrial - Cantidad - Tipo de vehículo |
| 9. Transporte y distribución descendentes | - Coste - Distancia - Cantidad de combustible - Tipo de combustible - Cantidad de bienes - Tipo de proceso industrial - Cantidad - Tipo de gasto - Modo de transporte - Tipo de transporte y distribución - Tipo de vehículo |
| 12. Tratamiento de productos vendidos al final de su vida útil | - Coste - Método de eliminación - Distancia - Cantidad de combustible - Tipo de proceso industrial - Material - Cantidad - Tipo de gasto - Modo de transporte |
Nota
Para calcular los índices de conversión energética para su escenario de combustión estacionaria, divida el contenido energético de su combustible actual entre el contenido energético del combustible que le gustaría prever. También puede usar valores caloríficos. Por ejemplo, si el contenido energético de su combustible actual es de 33 MJ/kg y el del nuevo es de 38 MJ/kg, su tasa de conversión energética se situará en torno a 0,87.
Nota
Al pronosticar el impacto de cambiar de energía no renovable a energía renovable, asegúrese de elegir un modelo de cálculo que admita cálculos de fuentes de energía no renovables y renovables. La forma más sencilla es usar una condicional en el campo Es renovable.
Aspectos de previsión
Estrategia existente :El pronóstico de estrategia existente es una visión de sus emisiones proyectadas si no cambiara nada en la forma actual en que genera emisiones para esa categoría. Por ejemplo, si está previendo el impacto del cambio del carbón al biocombustible para una instalación concreta, la previsión de la estrategia existente representa las emisiones previstas de seguir usando carbón.
Nuevas estrategias :El pronóstico de la nueva estrategia es una visión de sus emisiones proyectadas si cambiara a la nueva estrategia comercial representada por su escenario de pronóstico. Por ejemplo, si está previendo el impacto del cambio del carbón al biocombustible para una instalación concreta, la nueva previsión de la estrategia representa las emisiones previstas de cambiar al biocombustible. Puede tener entre una y tres nuevas estrategias para explorar dependiendo de cómo configure su escenario.
predicción intervalos :Los intervalos predicción representan la estimación de un intervalo en el que una observación futura cae con una cierta probabilidad (usamos un 95% de confianza), dado datos históricos. Los intervalos de predicción representan esencialmente la incertidumbre asociada a una previsión.
Errores de modelo y mensajes informativos
Esta sección explica los errores o problemas que puede tener con las previsiones.
Hemos realizado algunos ajustes para generar esta previsión
Cambiar a un método de pronóstico alternativo :Utilizamos un método de pronóstico alternativo en caso de que la cantidad de puntos datos históricos y/o la calidad de los datos requeridos para ajustar los modelos (S)ARIMA o ETS sean insuficientes. Hay dos casos concretos en los que se hace necesario pasar a una metodología alternativa:
- Demasiados puntos de datos que faltan en una serie temporal de datos históricos por lo demás relativamente uniformemente espaciados
- Datos históricos espaciados irregularmente
Comprobación de uniformidad de datos y ajuste de frecuencia :Antes de realizar el pronóstico, sus datos se agregan a nivel mensual para generar una línea de base mensual y un pronóstico hipotético. Sin embargo, si tras la agregación los datos no presentan una cadencia mensual relativamente uniforme, se intenta una nueva agregación a dos, tres, cuatro o seis meses. Si no es posible que las series alcancen una uniformidad relativa con estos ajustes, se usa un modelo alternativo más sencillo para la previsión.
No se puede generar la previsión
Los datos históricos son demasiado escasos :Para garantizar un pronóstico exitoso, requerimos que su datos históricos tenga una frecuencia de al menos un punto de datos cada seis meses. Si sus datos son más dispersos que ese intervalo, se produce un error en la previsión.
No hay puntos datos históricos o hay muy pocos :Los modelos de pronóstico de análisis hipotético requieren al menos seis puntos de datos (después del ajuste de frecuencia, descrito anteriormente en Comprobación de uniformidad de datos y ajuste de frecuencia) para generar con éxito un pronóstico.
Modelos de previsión de series temporales compatibles
Sustainability Manager es compatible con los modelos de previsión de series temporales univariantes de media móvil integrada autorregresiva ([S]ARIMA) y de estacionalidad de tendencia de error (ETS) para generar previsiones sobre datos de actividad. El marco de selección de modelos selecciona el mejor modelo de previsión basándose en los datos históricos de actividad. Las previsiones generadas en el nivel de actividad pasan por el modelo de cálculo para transformarlas en previsiones en el nivel de emisiones.
ARIMA y ETS son los métodos de previsión de series temporales más utilizados. Los modelos ETS se basan en la descripción de la tendencia y la estacionalidad de los datos, mientras que los modelos ARIMA describen las autocorrelaciones de los datos. Para saber más sobre estos modelos, consulte el capítulo 7 (Suavizado exponencial) y el capítulo 8 (Modelos ARIMA) del libro de texto Previsión: principios y práctica.
En determinadas ocasiones, como cuando los datos históricos son demasiado escasos o muy irregulares, se selecciona un modelo alternativo simple, en lugar de ARIMA o ETS.
