Ecosistema de monitorización, predicción y visualización del consumo energético en edificios inteligentes

Abstract

La investigación abordó la ineficiencia en la gestión energética de edificios inteligentes, identificando la brecha crítica entre la precisión de la monitorización técnica y la falta de compromiso conductual proactivo del usuario final, justificando así la necesidad de un sistema que integre funcionalidad y engagement. El Método se basó rigurosamente en la Ciencia del Diseño (DSR), enfocándose en la construcción y evaluación formal de un Ecosistema Inteligente híbrido que fusiona la monitorización IoT en tiempo real, la predicción basada en IA (SARIMAX) y una interfaz de avatar conversacional. Los Resultados validaron la Hipótesis General en tres pilares: Rigor Analítico, donde el modelo SARIMAX demostró un error de predicción MAE significativamente menor que ARIMA (<38.7%) al integrar variables exógenas, con residuos que satisficieron la condición de ruido blanco (p-value ≈ 0.99); Rendimiento Computacional Óptimo, alcanzando una latencia de interacción inferior a 10 segundos mediante la optimización de recursos (INT8/FP16) de los modelos de IA local, lo cual es crítico para la viabilidad en tiempo real; y Usabilidad Superior, evidenciada por un puntaje SUS promedio de 98.9 ("Mejor Imaginable") y una alta Calidad Hedónica (HQ=0.889), validando el engagement necesario para la adopción proactiva del usuario. Se concluye que la arquitectura propuesta no solo cumple con los requisitos de eficiencia computacional y usabilidad, sino que establece un modelo de diseño híbrido que produce una mejora significativa en la gestión energética del edificio, contribuyendo al conocimiento sobre la integración de la IA conversacional en infraestructuras críticas.