El sitio web de la UCLM utiliza cookies propias y de terceros con fines técnicos y de análisis, pero no recaba ni cede datos de carácter personal de los usuarios. Sin embargo, puede haber enlaces a sitios web de terceros, con políticas de cookies distintas a la de la UCLM, que usted podrá aceptar o no cuando acceda a ellos.

Puede obtener más información en la Política de cookies. Aceptar

LABORATORIO DE ANÁLISIS PREDICTIVO

Imagen del grupo
Seleccione el apartado del grupo que desea consultar
PREDILAB
2016
ETS INGENIEROS INDUSTRIALES DE CIUDAD REAL, AVDA. CAMILO JOSÉ CELA S/N
3863/3488
+34926295361
CARMEN.CARNERO@UCLM.ES

RESPONSABLE

RESPONSABLE
MARÍA DEL CARMEN CARNERO MOYA
PROF. TITULAR DE UNIVERSIDAD
Carmen.Carnero@uclm.es
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
E.T.S. INGENIERÍA INDUSTRIAL CIUDAD REAL
CIUDAD REAL
http://orcid.org/0000-0002-9170-2264
RESPONSABLE
JUAN RAMÓN TRAPERO ARENAS
PROF. TITULAR DE UNIVERSIDAD
JuanRamon.Trapero@uclm.es
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
FACULTAD CC. Y TECNOLOGÍAS QUÍMICAS CR
CIUDAD REAL
http://orcid.org/0000-0002-5879-3133

MIEMBROS

UCLM
DIEGO JOSÉ PEDREGAL TERCERO
CATEDRÁTICO/A DE UNIVERSIDAD
diego.pedregal@uclm.es
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
E.T.S. INGENIERÍA INDUSTRIAL CIUDAD REAL
CIUDAD REAL
http://orcid.org/0000-0003-4958-0969
UCLM
PABLO GARCÍA ANSOLA
PROFESOR/A ASOCIADO/A
Pablo.Garcia@uclm.es
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
E.T.S. INGENIERÍA INDUSTRIAL CIUDAD REAL
CIUDAD REAL
http://orcid.org/0000-0002-5206-9347

COLABORADORES

NO UCLM
JOSE IGNACIO CASTILLO MANZANO
U. SEVILLA
NO UCLM
MARIA MERCEDES CASTRO NUÑO
U. SEVILLA
NO UCLM
JOSE LUIS CENALMOR FIDALGO
KONICA-MINOLTA
NO UCLM
ANDRES GOMEZ BLANCO
COLAB. HOSP. Y CENTROS DE SALUD
NO UCLM
ENRIQUE HOLGADO DE FRUTOS
ACCENTURE
NO UCLM
NIKOLAOS KOURENTZES X
LANCASTER UNIVERSITY (UK)
NO UCLM
LOURDES LOPEZ VALPUESTA
U. SEVILLA
NO UCLM
FRANCESCA MAGGIONI X
UNIVERSITA DI BERGAMO (ITALIA)
NO UCLM
ALBERTO MARTIN GARCIA
AEMET
NO UCLM
CRISTINA MONTAÑOLA X
U. POLIT. DE CATALUÑA
NO UCLM
JAVIER JOSE PEREZ GARCIA
BANCO DE ESPAÑA
NO UCLM
JAMES C TAYLOR X
LANACASTER UNIVERSITY (UK)
  • Predicción de demanda dentro de la cadena de suministro. Por ejemplo: A) Incorporación de información relativa a campañas de marketing para la mejora de la previsión de la demanda, B) Selección de técnicas de predicción para la planificación de demanda, C) Cálculo del stock de seguridad en base a la volatilidad de la demanda. D) Predicción de sistemas energéticos. Concretamente, se implementan algoritmos de predicción para variables energéticas clave como el precio de la electricidad, su demanda, así como variables energéticas asociadas a las energías renovables.
  • Experiencia en la predicción de radiación solar clave para las plantas de generación fotovoltaicas y de concentración.
  • Predictive analytics y big data: Desarrollo técnicas de predicción automáticas en base a la información proveniente del Big Data empresarial.
  • Mantenimiento predictivo. Utilización de las técnicas de predicción para anticiparse a fallos del sistema.
  • Sistemas de evaluación empresariales. Evaluación multicriterio objetiva de sistemas de mantenimiento, aplicaciones informáticas y eficiencia empresarial.
  • Benchmarking medioambiental.
Las líneas de investigación de este grupo se alinean con la RIS3 de Castilla-La Mancha en los sectores siguientes:
  • medio ambiente y energía
  • TIC
Las líneas de investigación del grupo se adecuan a las prioridades estratégicas y factores transversales de las RIS3 de CLM debido a que optimizan la eficiencia de los recursos e incorporan la I+D+i a las empresas regionales mediante sistemas automáticos de análisis de datos interrelacionados entre la(s) organización(es) que permiten avanzar hacia la industria 4.0 y, por tanto, facilitan el avance digital de las organizaciones. Estos sistemas se apoyan en herramientas de predicción mediante big data empresarial y mantenimiento predictivo. Los sistemas predictivos y de toma de decisiones que desarrolla el grupo orientados hacia las cadenas de suministro, utilización eficiente de energía y recursos tienen en común el uso intensivo del conocimiento, pero analizado de forma innovadora y capaz de adaptarse a los rápidos ciclos o datos cambiantes actuales, facilitando con ello el incremento en la utilización de las tecnologías facilitadoras esenciales entre las empresas regionales.
¿Qué es la RIS3?
  • Análisis predictivo de indicadores clave de las empresas o de parte de las mismas, dentro de la cadena de suministro
  • Predictive analytics, data mining, predicción, cadena de suministro, stock de seguridad, energías renovables.
  • Sistemas de evaluación empresariales. Evaluación multicriterio objetiva de sistemas de mantenimiento, aplicaciones informáticas y eficiencia empresarial.
  • Benchmarking medioambiental.

NACIONAL

MITIGACIÓN DEL EFECTO LÁTIGO MEDIANTE NOVEDOSAS TÉCNICAS DE PREDICCIÓN Y CONTROL DE INVENTARIOS UTILIZANDO EL BIG DATA RESULTANTE DE LAS COLABORACIONES INTEREMPRESARIALES. DPI2015-64133-R (MINECO/FEDER)
NACIONAL
FINALIZADO
CIUDAD REAL
DPI2015-64133-R
01/01/2016
31/07/2019
MINISTERIO DE ECONOMÍA Y COMPETITIVIDAD
SECRETARÍA DE ESTADO DE I+D+I
JUAN RAMÓN TRAPERO ARENAS
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
FACULTAD CC. Y TECNOLOGÍAS QUÍMICAS CR
Instituto de Matemática Aplicada a la Ciencia y la Ingeniería

REGIONAL

Soluciones integrales de inteligencia predictiva aplicadas a grandes bases de datos de series temporales
REGIONAL
EJECUCIÓN
CIUDAD REAL
SBPLY/19/180501/000151
01/01/2020
20/03/2023
JUNTA DE COMUNIDADES DE CASTILLA-LA MANCHA
CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTES
DIEGO JOSÉ PEDREGAL TERCERO
Administración de Empresas
ORGANIZACIÓN DE EMPRESAS
DESCONOCIDO
ADMINISTRACIÓN DE EMPRESAS
  • No se encuentra la información de los servicios de transferencia tabulados en Consejo de Gobierno.