Sección 1: Generalidades del proyecto

1.1 Descripción del problema y su solución (software)

GRID trabaja con comunidades energéticas, las cuales enfrentan un enorme desafío al momento de gestionar su consumo energético de manera eficiente y sostenible. Aunque GRID ya ofrece muchas herramientas a su comunidad energética respecto al seguimiento de su consumo, la falta de herramientas avanzadas para analizar patrones de consumo dificulta la optimización de la energía renovable utilizada por las comunidades energéticas.

Como solución, se desarrollará un programa usando inteligencia artificial que, a partir de datos históricos brindados por la empresa, podrá predecir patrones futuros que ayuden a tomar mejores decisiones para las comunidades energéticas. Como consecuencia, se logrará una mejor optimización del uso de energía renovable, se reducirá el costo al anticipar necesidades energéticas y se mejorará la sostenibilidad.

1.2 Personas y roles del proyecto

• Valentina Giraldo Noreña / [email protected] / Diseñadora de producto, tester
• Edwar Mauricio Carrillo Carvajal / [email protected] / Programador, arquitecto
• Sebastián Cano Rincón / [email protected] / Scrum máster, programador
• Silvia Katheryn Cáceres Vásquez / [email protected] / UX (Experiencia de Usuario)
• Felipe Mendoza Giraldo / [email protected] / Cliente/ Product Owner

1.3 Público objetivo y contexto

Personas que interactúan con el sistema

• Comunidades energéticas: Los usuarios pueden ser tanto consumidores y productores y son los que utilizan la aplicación ofreciendo energía y también utilizándola.

Sistemas con los que interactúa el proyecto

• Base de datos: Donde se almacenan los datos históricos de consumo energético y también los resultados de las predicciones.
• Modelo de inteligencia artificial: Se planea utilizar modelos de tiempo con transformadores como herramienta de IA.
• Interfaz de Usuario: Plataforma web y móvil en la que se tendrá una sección donde se pueda ver las predicciones.

1.4 Descripción del proceso de interacción

En este caso se podrían contemplar 2 tipos de usuarios principales que se involucran con nuestra solución:

Administrador del sistema

Inicia sesión ingresando sus credenciales y accede al panel principal del sistema. También puede cargar y gestionar datos, además de subir y actualizar datos históricos de consumo energético. Puede configurar algunos parámetros de la IA y hacer actualizaciones periódicas del modelo. Puede consultar los reportes y dashboards que lance la IA, y a partir de ello realizar validaciones para asegurar la calidad de los resultados.

El administrador inicia accediendo a la pantalla de inicio de sesión, luego ingresa sus credenciales de usuario. Después de haber sido autenticado, se dirige al panel donde podrá visualizar todos los resultados y además, ver datos más confidenciales como el flujo de datos.

Comunidad Energética

Esta comunidad tiene como objetivo conocer y gestionar su consumo energético a futuro a partir de los resultados de la IA. Tendrán la capacidad de acceder a la aplicación y visualizar las predicciones y reportes, así mismo se contempla la posibilidad de visualizar gráficos y tendencias que le faciliten la comprensión de los datos lanzados por la IA. Finalmente recibirá recomendaciones y alertas según los resultados de las predicciones. El usuario al momento de ingresar a la página podrá acceder a un apartado en el menú donde exclusivamente se verán los resultados lanzados por la IA, junto con recomendaciones de esta. Por lo que el proceso es sumamente simple para el usuario objetivo de la aplicación.

1.5 Glosario de Términos

• Ceiba: Empresa líder en el desarrollo de software a la medida que ofrece soluciones tecnológicas personalizadas que se adaptan a las necesidades específicas de la empresa.

• Nodos prosumidores: El concepto de prosumidor se usa para referirse a los consumidores que toman un papel activo en la creación de productos de consumo y los servicios asociados. Es un individuo que no solo consume productos o servicios, sino que también participa activamente en su creación, promoción y mejora.

• Comunidades Energéticas: Son formas de autoconsumo colectivo en el que los participantes se benefician de la energía que producen.

• Consumo energético: Cantidad de energía utilizada por una comunidad, empresa o sistema en un período determinado.

• Energía renovable: Energía obtenida de fuentes naturales que se regeneran a una velocidad mayor o igual a la de su consumo, como la solar, eólica o hidroeléctrica.

• Optimización energética: Proceso de mejorar la eficiencia en el uso de la energía para reducir costos y minimizar el impacto ambiental.

• Inteligencia artificial (IA): Rama de la informática que desarrolla algoritmos y modelos capaces de aprender y tomar decisiones basadas en datos.

• Patrones de consumo: Tendencias y comportamientos en el uso de energía, identificados a partir de datos históricos.

• Predicción energética: Proceso mediante el cual se estima el consumo futuro de energía con base en modelos matemáticos y datos históricos.

• Sostenibilidad energética: Uso eficiente y responsable de los recursos energéticos para garantizar su disponibilidad a largo plazo sin comprometer el medio ambiente.

• Configuración de la IA: Proceso de ajuste y personalización de los parámetros del modelo de inteligencia artificial para mejorar su desempeño en las predicciones.

• Modelo de IA: Algoritmo entrenado con datos históricos que permite predecir patrones y generar reportes basados en el análisis de información.

Sección 2: Determinación de necesidades

2.1 Registro de sesiones

sesion #1, 3/02/2025
La técnica utilizada fue la de grupos de enfoque, usamos teams y hablamos entre todos para la planificación y se plasmó todo en un documento
Tema tratado: Esta reunión se habló sobre como dividirnos el trabajo, aclaración de roles y días para reunirnos.
Implicados en la sesión: Valentina, Mauro, Silvia Katheryn y Sebastián

Sesión #2, 5/02/2025
Descripción: Se habló con los clientes de manera presencial, por lo que e podría decir que la técnica utilizada fue entrevista.
Tema tratado: Se habló sobre lo que el cliente quiere en específico, sobre el cómo nos vamos a organizar, se habló sobre las reuniones semanales que son los jueves. En realidad, toda la información fue muy general por el hecho de que era nuestra primera reunión.
Implicados en la sesión: Sebastián, Kathery, Mauro, Valentina, Felipe y Juan Pablo.

Sesion #3, 11/02/2025
Descripción: Reunión presencial, la técnica utilizada fue grupos de enfoque
Tema tratado: Nos reunimos para discutir sobre las historias de usuario, los mockups, el user story mapping y ponernos de acuerdo respecto a ciertos puntos del programa a desarrollar.
Implicados en la sesión: Sebastián, Mauro, Valentina.

2.2 Exploración de antecedentes y aplicaciones similares

ENRG	Atlas Renewable Energy	Earth Science Analytics
Creada por Erco group, aqui los usuarios pueden acceder a análisis energéticos detallados, como la detección de anomalías, consumo base, comparativos de horas, entre otros. Cuenta con un sistema de notificaciones y alertas personalizadas, que informa a los usuarios sobre cualquier anomalía o situación relevante en tiempo real, esta funcionalidad permite tomar medidas rápidas y eficientes. Lo que diferencia a esta aplicación de la que nosotros estamos construyendo es que la de nosotros está más enfocada en predecir el consumo del cliente y sus consecuencias, en cambio, ENRG se enfoca en usar IA para analizar el consumo actual, que es algo que nosotros también podriamos hacer.	Emplea la IA principalmente en la operación y mantenimiento de sus plantas de energías renovables. Utilizan modelos predictivos basados en machine learning y deep learning para pronosticar la cantidad de energía que una planta eólica o solar podría generar, detectar fallas en los equipos y optimizar el rendimiento, asegurando el cumplimiento de los contratos de abastecimiento. Lo que diferencia a ATLAS de nuestra solución es que se enfocan en el mantenimiento de sus plantas usando IA, es decir, enfocada a su maquinaria, en cambio nosotros nos enfocamos más en el usuario objetivo de la aplicación.	Es una plataforma que ofrece herramientas geo científicas avanzadas impulsadas por la inteligencia artificial. EarthNET es su producto principal, el cual utiliza la nube y computación de alto rendimiento junto con IA para procesar grandes volúmenes de datos con alta precisión, lo que facilita la toma de decisiones en proyectos de energía limpia. Nosotros vamos es a analizar y predecir datos con la IA, mientras que ESA se centra en el procesamiento de datos con la ayuda de la IA para tener mejor precisión.
ENRG	Enlace a Atlas Renewable Energy	ESA

Sección 3: User Story Mapping y Backlog del producto

3.1 Story mapping

Enlace al user story mapping

3.2 Backlog del produto

Sección 4: Sprint Backlog

Enlace spring backlog

Sección 5: Prototipos Iniciales

Link del prototipo inicial: https://www.figma.com/proto/jAyYfq4RTSr33wlUos0IdQ/Untitled?node-id=15-259&t=05UaWYKmm7prdxxP-1

Diagramas de empatía

---