Detección de anomalías de consumo

Este Decision Flow detecta anomalías en la calefacción del hogar basadas en un consumo anormal o en problemas reportados por el cliente. Evalúa los datos de consumo mensual frente a las líneas base históricas y los ajustes de temperatura para identificar problemas específicos como fallos en el sistema de climatización (HVAC), falta de calefacción o manipulación.

Componentes de la solución:
La solución utiliza Decision Tables específicas y variables globales para procesar los datos de entrada:

• Variables Globales (Factores de Temperatura): Un conjunto de variables globales llamado temperatureFactorAndThreshold define el factor de ajuste de temperatura (establecido en 0.02 o 2% por grado) y la desviación del umbral (establecido en 0.15 o 15%) utilizados para normalizar los cálculos.

• Reference Numbers: Una tabla llamada Reference Numbers funciona como una tabla de búsqueda. Acepta el mes como entrada y genera la línea histórica base de temperatura media y el consumo medio para ese mes específico.

• Outcome Decisions: Otra tabla llamada Outcome Decisions determina el estado de alerta final. Evalúa la diferencia de temperatura calculada, la desviación porcentual y las banderas del cliente para emitir una alerta (Sí/No) y una acción siguiente específica (por ejemplo, "Posible fallo del HVAC" o "No se requiere acción").

• Consumption Anomaly Detection: Ejecuta la tabla Reference Numbers para recuperar la temperatura y el consumo base para el mes dado, luego calcula los parámetros de anomalía y, posteriormente, la tabla Outcome Decisions categoriza la anomalía.