La mejora de la eficiencia energética y el aseguramiento del confort térmico en edificios son dos aspectos cruciales en nuestra sociedad, desde los puntos de vista de la sostenibilidad, por un lado, y la competitividad, fundamental en el posicionamiento geopolítico. En esa línea, con el objeto de mejorar la calidad de los sistemas de calefacción, ventilación y aire acondicionado (HVAC), un grupo de investigadores multidisciplinar, entre los que se encuentran matemáticos, estadísticos e ingenieros de distintos ámbitos, ha desarrollado una metodología basada en el control estadístico de procesos (SPC) para la detección automática de anomalías y el mantenimiento predictivo de instalaciones, redundando en el aumento de la competitividad de empresas españolas del sector de la energía.
Los resultados se han presentado mediante su publicación en una de las revistas científicas más relevantes en el ámbito de la energía, Applied Energy. En concreto, se presenta el caso de estudio real de las oficinas de la empresa FRIDAMA en España, utilizando datos obtenidos de una plataforma en el marco del Internet de las Cosas o IoT, de elaboración propia. El estudio permite analizar grandes conjuntos de datos, Big Data, para detectar anomalías y así mejorar la eficiencia energética en edificios, como pueden ser viviendas, hoteles, hospitales o centros comerciales, entre otros
Lograr ahorros energéticos significativos, entre un 30 % y un 60 %, lo que redunda en el aumento de la competitividad de empresas y del país, en este tipo de instalaciones, no es cuestión de actuar sobre una sola variable. Es necesario tener en cuenta, de forma simultánea y en tiempo real, una gran cantidad de datos: desde temperaturas, niveles de ocupación y humedad, hasta patrones de uso y condiciones meteorológicas externas. Este nivel de complejidad hace que sea inviable abordarlo exclusivamente mediante intervención humana. La clave está en aplicar algoritmos de tratamiento estadístico que permitan interpretar esta avalancha de información con rapidez, precisión y bajo coste computacional.

Por ello, se apuesta por el uso de algoritmos verdes que no son otra cosa que modelos diseñados para maximizar la eficiencia energética de los edificios reduciendo a la vez su propio impacto ambiental. Estos algoritmos, integrados en plataformas inteligentes de gestión energética, son capaces de aprender del comportamiento del edificio y anticiparse a sus necesidades, permitiendo ajustes dinámicos que equilibran ahorro y confort.
La aplicación de esta metodología no se limita a un único tipo de edificación. Puede extenderse a hoteles, hospitales, centros comerciales, bibliotecas, universidades, edificios gubernamentales, viviendas o cualquier otro centro que cuente con sistemas de monitorización de consumo y permita la implementación de sensores. Gracias al poder de los datos y a su procesamiento eficiente, estamos cada vez más cerca de edificios que no solo consumen menos, sino que lo hacen de forma más inteligente.
¿Qué es el Control Estadístico de Procesos (SPC)?
El control estadístico de procesos (SPC) es un conjunto de técnicas matemáticas y gráficas especialmente desarrolladas para el control de procesos y la detección de anomalías, siendo una herramienta fundamental la mejora continua de instalaciones. En el contexto de la eficiencia energética y del confort térmico, el SPC permite, a partir de los datos monitorizados en sistemas HVAC, la detección automática de anomalías así como sus causas asignables, con lo que se favorece el empleo de acciones correctivas y la consecuente mejora de su rendimiento. Este enfoque es especialmente útil cuando se manejan grandes volúmenes de datos, proporcionando una evaluación precisa del estado de los sistemas, independientemente de la complejidad y del número de variables que los definan.
¿Por qué es importante estudiar los datos para reducir el consumo eléctrico?
El estudio de los datos es fundamental para identificar patrones y tendencias en el consumo energético, permitiendo asociar sus posibles causas y favoreciendo la toma de decisiones pertinentes. Mediante su análisis, es posible detectar cuándo y en qué áreas se está desperdiciando energía y, consecuentemente, tomar medidas para optimizar el uso de los sistemas HVAC. Esto no solo reduce los costes operativos, sino que también contribuye a la sostenibilidad ambiental al disminuir las emisiones de gases de efecto invernadero. Sustentar las decisiones, ya sea en la empresa o en la administración púbica, en datos reales es crucial para alcanzar el éxito de sea cual sea la gestión, como ilustra uno de los grandes gurús del control de calidad, el profesor Deming, a través de la cita “en Dios confiamos, los demás que traigan datos”.

Metodología del estudio
Este estudio propone una serie de pasos para aplicar SPC en la evaluación de sistemas HVAC:
1. Modelos ARIMA para series temporales
Primero, se ajustan modelos tan flexibles como los Auto Regressive Integrated Moving Average (ARIMA) a las variables críticas para la calidad (CTQ) de la eficiencia energética (consumos) y el confort térmico (temperaturas) con el fin de extraer la dependencia o patrones que dependen del tiempo. Estos modelos fueron diseñados por el estadístico George Box y son de aplicación en procesos que están vinculados al tiempo y a la estacionalidad, que en estadística se conocen como series temporales. En sistemas HVAC, las variables como temperatura o consumo energético están influenciadas por factores externos relacionados con el clima y los horarios. Ignorar esta autocorrelación puede generar la identificación de falsas alarmas o anomalías. El ajuste con modelos ARIMA permite eliminar esta dependencia y obtener resultados más precisos y más fiables que sirvan como base más sólida para la correcta toma de decisiones.
2. Gráficos de Control Shewhart y EWMA
Luego, se aplican gráficos de control Shewhart y Exponentially Weighted Moving Average (EWMA) a los residuos (todo aquello no explicado en función del tiempo) de las series temporales para monitorear y controlar el confort térmico y el consumo energético. Estos gráficos ayudan a identificar estados fuera de control y detectar causas asignables de las anomalías. Este tipo de herramientas han sido propuestas por uno de los pioneros del control de calidad, Walter Shewhart, científico del departamento de control de calidad de la Bell Telephone cuando en 1931 publica sus conocidos gráficos de control, los cuales siguen siendo hoy en día uno de los pilares del control estadístico de la calidad.
3. Índices de capacidad para variables autocorrelacionadas
Una vez estimada la variabilidad del confort térmico y el consumo, se calculan índices de capacidad especialmente diseñados para variables autocorrelacionadas. Estos índices permiten calcular el grado en que se cumplen las especificaciones marcadas por las normas de edificación, la empresa o los propios usuarios o clientes. Su uso en control de calidad es muy valioso, dado que permiten valorar lo bien que se está ejecutando un proceso como comparación entre los datos reales y las tolerancias exigidas. Dentro de las tendencias actuales del control de calidad, como son el modelo Seis Sigma o la Calidad 4.0 (Q4.0), estos indicadores permiten analizar si se cumplen los estándares de calidad.

¿Cómo ayudan las técnicas estadísticas de control de la calidad?
Las técnicas estadísticas de control de calidad son esenciales para garantizar que los sistemas HVAC funcionen de manera óptima, detectando y corrigiendo anomalías en tiempo real, lo que mejora la eficiencia energética y el confort térmico de forma automática. Además, estas técnicas permiten evaluar si los sistemas cumplen con los estándares de calidad establecidos, asegurando un rendimiento constante y fiable. La metodología fomenta un uso más eficiente de los recursos energéticos, reduciendo la huella ambiental de los edificios, integrándose como módulo de analítica de datos sin dificultad junto con las demás tecnologías digitales como IoT, sensórica o robótica, entre otras.
Resultados del estudio
Se tomó como caso de estudio o planta piloto las oficinas de la empresa FRIDAMA, ayudando a mejorar el confort térmico de los ocupantes, con el consiguiente ahorro de energía y agua en todas las estaciones. Esta metodología, así como otras similares, se están empleando hoy en día, además de en oficinas, en grandes superficies comerciales, siendo también objeto de estudio y mejora en el marco de la Cátedra UDC-Inditex de IA en Algoritmos Verdes que tiene la Universidade da Coruña con la empresa INDITEX. En general, gracias a la aplicación del algoritmo verde propuesto, se pudieron y pueden detectar las anomalías así como identificar sus causas asignables, facilitando la toma de decisiones apropiadas para mejorar la eficiencia energética y el confort térmico, en tiempo real, redundando en un gran ahorro energético y una mejora de las condiciones de confort.
Aplicación práctica
Uno de los objetivos del estudio es describir paso a paso el procedimiento estadístico para que pueda ser replicado por otros profesionales. La implementación de herramientas y paquetes en el software de código abierto R facilita la aplicación de estos métodos en diferentes contextos.

Importancia de la eficiencia energética
El control y mejora de la eficiencia energética no solo reduce los costes operativos de los edificios, sino que también desempeña un papel crucial, por extensión, en la sostenibilidad ambiental. En este contexto, reducir su impacto se ha convertido en una prioridad, por lo que el uso de técnicas de control estadístico, detección automática de anomalías e IA es, no ya útil, sino completamente necesario para optimizar el funcionamiento de estos sistemas, disminuyendo tanto el gasto energético como las emisiones asociadas. Una revolución silenciosa que convierte a los edificios en aliados activos contra el cambio climático.
Conclusión
El presente estudio pone de relieve el enorme potencial del control estadístico de procesos y la IA como herramientas para mejorar la gestión energética en los edificios. La metodología desarrollada permite detectar y corregir anomalías en sistemas HVAC de forma sistemática, fiable y escalable, abriendo la puerta a entornos más sostenibles, eficientes y confortables.
Pero su verdadero valor va más allá del caso de estudio. De hecho, se demuestra que, con la ayuda del uso de algoritmos verdes y análisis de grandes volúmenes de datos en tiempo real, es posible tomar decisiones que optimicen el consumo energético sin sacrificar el bienestar de los ocupantes. En un mundo donde la energía debe usarse con responsabilidad, este tipo de enfoques marca el camino hacia edificios que no solo consuman menos, sino que aprendan a consumir mejor.
Referencias
- Barbeito, I., S. Zaragoza, J. Tarrío-Saavedra y S. Naya (2017). Assessing thermal comfort and energy efficiency in buildings by statistical quality control for autocorrelated data. En: Applied energy, 190, págs. 1-17.

Salvador Naya Fernández
Catedrático de Estadística e Investigación Operativa


Sonia Zaragoza Fernández
Doctor Ingeniero Industrial


Inés Barbeito Cal
Doctora en Estadística


Javier Tarrío Saavedra
Ingeniero Industrial, Doctor en Estadística e Investigación Operativa
