Fuel oil fuel dispatch optimization through multivariate regression using local storage indicators.

• Morocho Choca, Geovanny Javier ^[2] ; Bucheli Carpio, Luis Ángel ^[2] ; Duque-Aldaz, Francisco Javier ^[1]
  1. [1] Universidad de Guayaquil

     Universidad de Guayaquil

     Guayaquil, Ecuador

     
  2. [2] Milagro State University
• Localización: Ingeniería Química y Desarrollo, ISSN 1390-9428, Vol. 6, Nº. 2, 2024 (Ejemplar dedicado a: Vol 6. Núm 2. - Julio – Diciembre 2024), págs. 41-48
• Idioma: inglés
• Títulos paralelos:
  • Optimización de despacho de combustible fuel oíl a través de regresión multivariada utilizando indicadores locales de almacenamiento.
• Enlaces
  • Texto completo
• Resumen
  • español

    El presente estudio buscó desarrollar un modelo de regresión multivariada para optimizar el despacho de combustible fuel oil, teniendo como objetivo diseñar una herramienta basada en indicadores de almacenamiento que predijera y mejorara dicho proceso logístico. Se recopilaron 787 registros históricos de despacho y almacenamiento entre 2022 – 2023, realizando un riguroso análisis exploratorio de los datos. Luego de seleccionar las variables temperatura y gravedad API, que explicaban el 98% de variabilidad del factor de corrección de volumen, se construyeron dos modelos de regresión lineal múltiple. Estos modelos fueron validados, midiendo métricas de ajuste y comparando valores reales vs. predichos. Los resultados mostraron que ambos modelos presentaron un excelente ajuste a los datos reales históricos, logrando explicar casi la totalidad de su variabilidad. Específicamente, el modelo que incluyó las dos variables mejoró sustancialmente el ajuste. Al validar los modelos, demostraron una precisión muy alta para predecir el factor de corrección requerido, superando los pronósticos actuales. Estos hallazgos permitieron concluir que la implementación de esta herramienta analítica optimizará significativamente los procesos logísticos de despacho de combustible, mejorando la planificación, minimizando costos e inconsistencias operativas. Además, la investigación sentó las bases para futuros trabajos orientados a ampliar el alcance geográfico y considerar más variables predictoras, con el objetivo de robustecer el modelo multivariado propuesto. En definitiva, esta investigación tiene un alto potencial de impacto para la industria energética.

  • English

    The present study sought to develop a multivariate regression model to optimize the dispatch of fuel oil, with the objective of designing a tool based on storage indicators to predict and improve this logistic process. A total of 787 historical dispatch and storage records were collected between 2022 - 2023, performing a rigorous exploratory analysis of the data. After selecting the variables temperature and API gravity, which explained 98% of the variability of the volume correction factor, two multiple linear regression models were built. These models were validated by measuring fit metrics and comparing actual vs. predicted values. The results showed that both models presented an excellent fit to the actual historical data, managing to explain almost all of their variability. Specifically, the model that included the two variables substantially improved the fit. When the models were validated, they demonstrated a very high accuracy in predicting the required correction factor, surpassing current forecasts. These findings led to the conclusion that the implementation of this analytical tool will significantly optimize fuel dispatch logistics processes, improving planning, minimizing costs and operational inconsistencies. In addition, the research laid the groundwork for future work aimed at expanding the geographical scope and considering more predictor variables, in order to strengthen the proposed multivariate model. In short, this research has a high potential impact for the energy industry.