Prevea los cambios de prácticas empresariales en sus emisiones con el análisis hipotético (versión preliminar)
Microsoft Cloud for Sustainability
Importante
Algunas o todas estas funciones están disponibles como parte de una versión preliminar. El contenido y la funcionalidad están sujetos a cambios.
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.
El siguiente vídeo demuestra cómo utilizar análisis de documentos y análisis de documentos y análisis de hipótesis:
Consideraciones importantes
Tenga en cuenta estas consideraciones al crear su escenario de previsión.
Cada escenario requiere los siguientes campos:
- Asignar nombre
- Unidad organizativa
- Tipo de datos
- Modelo de cálculo
- Versión de AR
La instalación no es necesaria en todos los casos, pero puede usarla para acotar aún más los datos de su previsión.
Todos los escenarios dependen de sus respectivos campos obligatorios a la hora de realizar el seguimiento de las actividades de esa categoría. Por ejemplo, el escenario Viajes de negocios se basa en el campo Distancia para aplicar con precisión un porcentaje de aumento o disminución a la previsión.
Campos obligatorios
Esta tabla enumera los campos obligatorios específicos de cada categoría para cada escenario.
Para garantizar el éxito de las previsiones de los escenarios que mencionan una o varias columnas numéricas, asegúrese de rellenar la columna de la unidad correspondiente. Asegúrese también de que el modelo de cálculo que elija use los mismos campos.
| Categoría de escenario | Campos obligatorios |
|---|---|
| Proceso industrial | Tipo de proceso industrial |
| Combustión móvil | Tipo de vehículo, Tipo de combustible |
| Combustión estacionaria | Tipo de combustible, Tasa de conversión de energía |
| Refrigeración comprada | Instalación, Es renovable |
| Electricidad comprada | Instalación, Es renovable |
| Calor comprado | Instalación, Es renovable |
| Vapor comprado | Instalación, Es renovable |
| 1. Bienes y servicios comprados | Tipo de gasto |
| 2. Bienes de capital | Tipo de gasto |
| 4. Transporte y distribución ascendentes | Modo de transporte, Distancia, Cantidad de bienes |
| 5. Residuos generados en operaciones | Material, Método de eliminación |
| 6. Viaje de negocios | Tipo de viaje de negocios, Distancia |
| 7. Desplaz. empleados | Tipo de desplazamiento de empleados, Distancia |
| 9. Transporte y distribución descendentes | Modo de transporte, Distancia, Cantidad de bienes |
| 12. Tratamiento de productos vendidos al final de su vida útil | Material, Método de eliminación |
Crear una previsión de análisis hipotético
Para empezar a usar el análisis hipotético, siga estos pasos:
En el panel de navegación, seleccione Análisis hipotético (versión preliminar).
En la página Análisis hipotético (versión preliminar), seleccione Nuevo escenario.
En el panel Nuevo escenario hipotético, introduzca la información de su escenario y, a continuación, 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 asociadas.
Escenarios compatibles
El análisis hipotético admite los siguientes escenarios. Cada escenario tiene diferentes niveles de personalización que le permiten adaptar la previsión a los datos y necesidades de su organización.
Ámbito 1
Proceso industrial: el escenario del proceso industrial le permite prever el impacto de cambiar el tipo de proceso industrial para una unidad organizativa concreta o una instalación asignada a una unidad organizativa.
Combustión móvil: el escenario de combustión móvil le permite prever el impacto de cambiar tanto los vehículos de carretera como los todoterreno que se usan. Por ejemplo, puede prever el impacto en las emisiones del cambio de una flota propulsada por gasóleo a otra propulsada por gasolina para una unidad organizativa concreta.
Combustión estacionaria: el escenario de combustión estacionaria le permite prever el impacto de cambiar el combustible que se usa en una instalación concreta. Para proporcionar una previsión más precisa, este escenario también requiere que proporcione una tasa de conversión de energía.
Para calcular los índices de conversión energética, 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.
Ámbito 2: energía comprada
Todos los escenarios de previsión de la categoría Ámbito 2 siguen el mismo patrón: cambio de energía no renovable a renovable, o viceversa, a través del campo Es renovable.
Para estos escenarios, asegúrese de que elige un modelo de cálculo que admita tanto cálculos de fuentes de energía no renovables como renovables. La forma más sencilla es usar una condicional en el campo Es renovable.
Ámbito 3
1. Bienes y servicios adquiridos y 2. Bienes de capital: Las categorías 1 y 2 de Ámbito 3 le permiten prever el impacto de cambiar el proveedor al que compra bienes y servicios. Antes de crear y ejecutar un escenario de previsión para cualquiera de estas categorías, asegúrese de completar los siguientes pasos:
- Importe cualquier factor de emisión personalizado y específico del proveedor necesario para la previsión.
- Asigne todos los factores de emisión personalizados a un tipo de gasto correspondiente.
- Cree o modifique un modelo de cálculo para usar los factores personalizados.
Nota
Le recomendamos que almacene todos los factores específicos del proveedor en una única biblioteca de factores para que su modelo de cálculo correspondiente pueda elegir dinámicamente el correcto en función del tipo de gasto asignado.
Una vez completados estos elementos, use los campos Tipo de gasto: actual y Tipo de gasto: nuevo para asignar sus proveedores actuales y propuestos, asegurándose de que coinciden con los dos primeros pasos.
4. Ascendente y 9. Transporte y distribución descendentes: Las categorías 3, 4 y 9 de Ámbito proporcionan una de las mayores flexibilidades en cuanto a escenarios de previsión. Para cada una de estas categorías, el escenario permite prever el impacto de cambiar el modo de transporte que se usa y la correspondiente distancia recorrida y cantidad de bienes transportadas.
Para Distancia recorrida y Cantidad de bienes, proporcione una estimación del porcentaje de aumento o disminución que espera ver como resultado del cambio del modo de transporte. Por ejemplo, si cambia de Avión a Barco, podría observar una disminución de la distancia recorrida y un aumento de la cantidad de mercancías transportadas. Los números enteros positivos representan aumentos y los enteros negativos, disminuciones.
Nota
Las disminuciones no pueden ser superiores al 100 %. Los aumentos o disminuciones de Distancia recorrida o Cantidad de mercancías se aplican sobre la previsión en el nivel mensual agregado.
5. Residuos generados en las operaciones y 12. Tratamiento al final de la vida de los productos vendidos: Las categorías 3, 5 y 12 de Ámbito 3 le permiten prever el impacto de cambiar la forma en que se deshace de un material concreto. Por ejemplo, podría prever el impacto de compostar sus residuos alimentarios en lugar de enviarlos a un vertedero.
6. Viaje de negocio y 7. Viajes al trabajo de los empleados: Las categorías 6 y 7 de Ámbito 3 le permiten prever el impacto de cambiar el modo de transporte que usan los miembros de su organización para los viajes de negocios o los desplazamientos de los empleados a través de los campos Tipo de viaje de negocios y Tipo de desplazamiento de los empleados, respectivamente. Al igual que las categorías 5 y 12, las categorías 6 y 7 también le permiten introducir un porcentaje estimado de aumento o disminución de la distancia recorrida.
Nota
Los aumentos o disminuciones de Distancia recorrida se aplican sobre la previsión en el nivel mensual agregado.
Aspectos de previsión
Estrategia existente: la previsión de la estrategia existente es una visión de sus emisiones previstas si no cambiara nada de 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.
Nueva estrategia: la previsión de la nueva estrategia es una visión de sus emisiones previstas si cambiara a la nueva estrategia empresarial representada por su escenario de previsión. 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.
Intervalos de predicción: los intervalos de predicción representan la estimación de un intervalo en el que cae una observación futura con cierta probabilidad (usamos un 95 % de confianza), dados los 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 previsión alternativo: usamos un método de previsión alternativo en caso de que el número de puntos de datos históricos o la calidad de los datos necesarios 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 la uniformidad de los datos y ajuste de la frecuencia: Antes de la previsión, sus datos se agregan a nivel mensual para generar una línea de base mensual y una previsión hipotética. 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 muy escasos: Para garantizar una previsión acertada, requerimos que sus datos históricos tengan 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.
Ausencia o escasez de puntos de datos históricos: los modelos de previsión del análisis hipotético requieren al menos seis puntos de datos (tras el ajuste de frecuencia, descrito anteriormente en Comprobación de la uniformidad de los datos y ajuste de frecuencia) para generar con éxito una previsión.
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.
