Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción
Abstract
El presente documento refleja la memoria del Trabajo de Fin de Estudios del máster: Máster Universitario en Ingeniería de Sistemas Automáticos y Electrónica Industrial (MUESAI), de la Universidad Politécnica de Catalunya UPC, cursado en la Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa (ESEIAAT). El proyecto consiste en el desarrollo de una herramienta de análisis para medir la sostenibilidad de los modelos de negocio dentro del sector de la automoción, analizando los parámetros relacionados en este ámbito de estudio siendo estos el económico, social, medioambiental y técnico. En la primera parte se realiza el estado del arte sobre modelos de negocio sostenible, la evolución de vehículos eléctricos presentes en el mercado, análisis de los tipos de baterías usadas en la automoción. Posterior a esto se detalla la implementación de la herramienta, la que está comprendida por tres etapas: tratamiento de datos, clasificador de datos y la salida en la que se establece el nivel de sostenibilidad. Por último, se presentan los resultados del trabajo desarrollado, realizando el estudio sobre un caso de uso y de esta manera corroborar las condiciones establecidas para el análisis del conjunto de variables, así como también posibles trabajos futuros en este campo de investigación
Full text
ESTUDIO DE HERRAMIENTA DE ANÁLISIS PARA MEDIR LOS MODELOS DE NEGOCIO SOSTENIBLES DENTRO DEL SECTOR DE LA AUTOMOCIÓN Master en Ingeniería de Sistemas Automáticos y Electrónica Industrial Autor: Verónica Elizabeth Luna Salguero Director: Dra. Beatriz Amante García Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa (ESEIAAT) 24 de abril de 2021
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. I Verónica Elizabeth Luna Salguero Agradecimientos En primer lugar, a Dios quien a sido mi guía en cada momento, a mis abuelitos Enrique y Piedad, a mis tíos Lola y César que son mis ángeles guardianes que, aunque físicamente ya no están conmigo siempre están en mi corazón. A mi tutora Beatriz Amante, por su paciencia, tiempo, apoyo y buena voluntad para obtener los mejores resultados en el desarrollo de este trabajo. A la Universidad Politécnica de Catalunya, que me permitió formarme en el transcurso del máster, de igual forma a los profesores por sus sabias enseñanzas, dedicación y compromiso. A mis padres Washington y Silvia que gracias a su esfuerzo, sacrificio y consejos me encaminaron para cumplir con esta meta, enseñándome que hay que luchar y ser perseverante y no darse por vencida. A mi hermana Mabel que ha estado siempre brindándome su apoyo, atención y cariño. Mi familia que, a pesar de la distancia, siempre estuvieron presentes en cada momento. A mi esposo Galo, que juntos iniciamos este camino, gracias por la compañía, amor, paciencia y la bonita e inolvidable aventura que pasamos en esta experiencia. A Lilia quién me acogió en su hogar y me brindo su cariño, convirtiéndome en una hija más, pendiente siempre de mí, compartiendo experiencias inolvidables que las guardare en el fondo de mi corazón. Mil Gracias…. Vero
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. I Verónica Elizabeth Luna Salguero Resumen El presente documento refleja la memoria del Trabajo de Fin de Estudios del máster: Máster Universitario en Ingeniería de Sistemas Automáticos y Electrónica Industrial (MUESAI), de la Universidad Politécnica de Catalunya UPC, cursado en la Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa (ESEIAAT). El proyecto consiste en el desarrollo de una herramienta de análisis para medir la sostenibilidad de los modelos de negocio dentro del sector de la automoción, analizando los parámetros relacionados en este ámbito de estudio siendo estos el económico, social, medioambiental y técnico. En la primera parte se realiza el estado del arte sobre modelos de negocio sostenible, la evolución de vehículos eléctricos presentes en el mercado, análisis de los tipos de baterías usadas en la automoción. Posterior a esto se detalla la implementación de la herramienta, la que está comprendida por tres etapas: tratamiento de datos, clasificador de datos y la salida en la que se establece el nivel de sostenibilidad. Por último, se presentan los resultados del trabajo desarrollado, realizando el estudio sobre un caso de uso y de esta manera corroborar las condiciones establecidas para el análisis del conjunto de variables, así como también posibles trabajos futuros en este campo de investigación. PALABRAS CLAVE: Modelos de Negocio, Niveles de Sostenibilidad, Vehículos Eléctricos, Baterías.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. II Verónica Elizabeth Luna Salguero Abstract This document reflects the report of the Master´s Degree Final Project: Master´s Degree in Automatic Systems Engineering and Industrial Electronics (MUSEAI), from the Polytechnic University of Catalunya UPC, studied at the Higher School of Industrial, Aerospace and Audiovisual Engineering of Terrassa (ESEIAAT). The project consists of the development of an analysis tool to measure the sustainability of business models within the automotive sector, analyzing the related parameters in the field of study, these being economic, social, environmental and technical. In the first part, the state of the art on sustainable business models is carried out, the evolution of electric vehicles present in the market, analysis of the types of batteries used in the automotive industry. After this, the implementation of the tool is detailed, which is comprised of three stages: data processing, data classifier and the output in which the level of sustainability is established. Finally, the results of the work developed are presented, carrying out the study on a use case and in this way corroborating the conditions established for the analysis of the set of variables, as well as possible future works in this field of research. KEYWORDS: Business Models, Sustainability Levels, Electric Vehicles, Batteries
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. III Verónica Elizabeth Luna Salguero Índice Agradecimientos ............................................................................................................................ I Resumen ......................................................................................................................................... I Abstract ......................................................................................................................................... II Índice ............................................................................................................................................ III Lista de Figuras .............................................................................................................................. V Lista de Tablas ............................................................................................................................. VII Lista de Pseudocódigos ............................................................................................................... VII Lista de Acrónimos ..................................................................................................................... VIII 1. Introducción .............................................................................................................................. 1 1.1 Objeto ............................................................................................................................ 1 1.2 Objetivo ............................................................................................................................... 1 1.3 Alcance del Proyecto ........................................................................................................... 1 1.4 Justificación ......................................................................................................................... 2 1.5 Requisitos de la Herramienta .............................................................................................. 5 2. Estado del Arte .......................................................................................................................... 6 2.1 Modelo de Negocio Sostenible ........................................................................................... 7 2.2 Mercado del Sector de la Automoción................................................................................ 8 2.3 Modelos de desarrollo técnico y económico ...................................................................... 9 2.4 Baterías .............................................................................................................................. 11 2.4.1 Baterías de vehículos eléctricos ................................................................................. 12 2.4.2 Tecnología de Baterías ............................................................................................... 18 2.4.3 Parámetros de Baterías .............................................................................................. 20 2.4.5 Costo de Baterías ....................................................................................................... 25 2.5 Venta de coches eléctricos ................................................................................................ 26 3. Desarrollo ................................................................................................................................ 27 3.1 Descripción General de la Herramienta ............................................................................ 30 3.2 Introducción de Datos ....................................................................................................... 30 3.3 Tratamiento de Datos ....................................................................................................... 31 3.3.1 Normalización de Datos ............................................................................................. 32 3.3.2 Validación de Datos .................................................................................................... 33 3.4 Clasificador de datos ......................................................................................................... 44 3.4.1 Carga de datos ............................................................................................................ 45 3.4.2 Técnicas de clasificación en Embedding Project ........................................................ 48 3.5 Salidas-Sostenibilidad (%) ................................................................................................. 50 4. Análisis de Resultados ............................................................................................................. 52
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. IV Verónica Elizabeth Luna Salguero 5. Conclusiones............................................................................................................................ 61 6. Trabajo Futuros ....................................................................................................................... 61 Referencias .................................................................................................................................. 62 Anexo A: Programa tratamiento de datos Matlab ...................................................................... 66 Anexo B: Programa normalización y validación de datos en Matlab .......................................... 68 Anexo C: Carga de datos en Embedding Projector ..................................................................... 69 Anexo D: Programación de datos analizados por color .............................................................. 69 Anexo E: Programación de datos por posición ........................................................................... 70 Anexo F: Programación valor distancia euclidiana ..................................................................... 70
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. V Verónica Elizabeth Luna Salguero Lista de Figuras Figura 1 Venta de coches eléctricos en Europa durante enero-junio 2020 [9] ............................ 3 Figura 2 Previsión del porcentaje de ventas de vehículos eléctricos y de combustión [8] ........... 3 Figura 3 Modelo de negocio y subcategorías ................................................................................ 6 Figura 4 Proceso de carga y descarga de una batería de ion-litio [19] ....................................... 11 Figura 5 Esquema de funcionamiento de una batería de iones de litio [20] .............................. 11 Figura 6 Gráfica de energía específica vs densidad de energía de las tecnologías de Litio. [25] 19 Figura 7 Tipos de baterías de Ion Litio especificando las prestaciones que presentan [4] [24] [25] .............................................................................................................................................. 19 Figura 8 Curva de degradación normal del parámetro SOH ....................................................... 21 Figura 9 Evolución del SOH para distintas aplicaciones en la segunda vida de baterías [20]. .... 21 Figura 10 Energía específica máxima demostrada y teórica de algunos tipos de baterías [20] . 22 Figura 11 Evolución de la tensión de una celda vs SOC en una batería de plomo-ácido [30] .... 23 Figura 12 Evolución del SOC en la batería de un Chevrolet Volt vs Tiempo [6] .......................... 24 Figura 13 Comportamiento de la vida útil de una batería a diferentes valores de temperatura [32] .............................................................................................................................................. 24 Figura 14 Evolución del precio de la batería [8] .......................................................................... 25 Figura 15 Evolución del precio de la batería de ion litio desde 2010 [33]. ................................. 26 Figura 16 Evolución de ventas de vehículos eléctricos desde el año 2016 [8]. .......................... 26 Figura 17 Estructura de análisis del modelo de negocio. Elaboración propia (2021) ................. 27 Figura 18 Porcentaje de encuestados que afirman la compra de un vehículo eléctrico [34] ..... 28 Figura 19 Tendencia de venta de vehículos eléctricos [35] ........................................................ 28 Figura 20 Tendencia del costo de baterías [38] .......................................................................... 29 Figura 21 Emisiones de CO2 (kt) vs tiempo [40] ......................................................................... 29 Figura 22 Etapas que conforman el desarrollo de la herramienta. Elaboración propia (2021) .. 30 Figura 23 Dato ingreso por el usuario al dataset para ser analizado .......................................... 31 Figura 24 Parámetros usados para el análisis. Elaboración propia (2021) ................................. 31 Figura 25 Normalización del parámetro de ventas de VE. Elaboración propia (2021) ............... 33 Figura 26 Segmentación de aspectos tratados. Elaboración propia (2021) ............................... 34 Figura 27 Selección de niveles de sostenibilidad en la cantidad de VE vendidos ....................... 35 Figura 28 Selección de niveles de sostenibilidad en el costo de VE ............................................ 36 Figura 29 Selección de niveles de sostenibilidad en el costo de la batería ................................. 37 Figura 30 Selección de niveles de sostenibilidad en el valor de la densidad de energía ............ 39 Figura 31 Selección de niveles de sostenibilidad en el valor del estado de salud de la batería . 39 Figura 32 Selección de niveles de sostenibilidad en la cantidad de emisiones de CO2 .............. 41 Figura 33 Evaluación de datos de cada parámetro ..................................................................... 43 Figura 34 Proceso de Creación de Dataset.................................................................................. 43 Figura 35 Proceso implementado en el clasificador de datos .................................................... 45 Figura 36 Dataset de carga de datos ........................................................................................... 45 Figura 37 Dataset usado para clasificador por color ................................................................... 46 Figura 38 Identificación de dato por color .................................................................................. 46 Figura 39 Dataset usado para el clasificador por posición .......................................................... 47 Figura 40 Identificación de dato por posición ............................................................................. 47 Figura 41 Entorno del dato a analizar ......................................................................................... 48 Figura 42 Clasificación de datos por técnica PCA ........................................................................ 48 Figura 43 Clasificación de datos por técnica T-SNE. Elaboración propia (2021) ......................... 49 Figura 44 Clasificación de datos por técnica UMAP. Elaboración propia (2021) ........................ 49 Figura 45 Dato ubicado para realizar el análisis .......................................................................... 50 Figura 46 Distribución de vecinos más cercanos ........................................................................ 51
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. VI Verónica Elizabeth Luna Salguero Figura 47 Indicador de la posibilidad de sostenibilidad .............................................................. 52 Figura 48 Algoritmo PCA esferizado caso de uso 1 ..................................................................... 52 Figura 49 Diagrama de barras del número de vecinos caso de uso 1 (PCA) ............................... 53 Figura 50 Nivel de sostenibilidad caso de uso 1 (PCA) ................................................................ 53 Figura 51 Algoritmo T-SNE caso de uso 1 .................................................................................... 54 Figura 52 Diagrama de barras del número de vecinos caso de uso 1 (T-SNE) ............................ 54 Figura 53 Nivel de sostenibilidad caso de uso 1 (T-SNE) ............................................................. 54 Figura 54 Algoritmo UMAP caso de uso 1 ................................................................................... 55 Figura 55 Diagrama de barras de vecinos caso de uso 1 (UMAP) ............................................... 55 Figura 56 Nivel de sostenibilidad caso de uso 1 (UMAP) ............................................................ 56 Figura 57 Algoritmo esferizado caso de uso 2 (PCA) ................................................................... 57 Figura 58 Diagrama de barras de vecinos caso de uso 2 (PCA) ................................................... 57 Figura 59 Nivel de sostenibilidad caso de uso 2 (PCA) ................................................................ 57 Figura 60 Algoritmo T-SNE caso de uso 2 .................................................................................... 58 Figura 61 Diagrama de barras de vecinos caso de uso 2 (T-SNE) ................................................ 58 Figura 62 Nivel de sostenibilidad caso de uso 2 (T-SNE) ............................................................. 59 Figura 63 Algoritmo UMAP caso de uso 2 ................................................................................... 59 Figura 64 Diagrama de barras vecinos caso de uso 2 (UMAP) .................................................... 60 Figura 65 Nivel de sostenibilidad caso de uso 2 (UMAP) ............................................................ 60
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. VII Verónica Elizabeth Luna Salguero Lista de Tablas Tabla 1 Prototipos de modelo de negocio sostenible [16] [1] ...................................................... 7 Tabla 2 Baterías de Plomo Ácido ................................................................................................. 13 Tabla 3 Baterías de Níquel .......................................................................................................... 13 Tabla 4 Batería de Sal Fundida .................................................................................................... 14 Tabla 5 Pilas de Combustible ...................................................................................................... 14 Tabla 6 Baterías de Litio .............................................................................................................. 15 Tabla 7 Valores mínimos y máximos de los parámetros analizados ........................................... 32 Tabla 8 Etiqueta de los niveles de sostenibilidad usados ........................................................... 34 Tabla 9 Rangos para la interpretación del parámetro social (Venta de VE) ............................... 35 Tabla 10 Rangos para la interpretación del parámetro económico (Valor de VE y batería) ...... 37 Tabla 11 Rangos para la interpretación del parámetro técnico (Valor de densidad energética) 39 Tabla 12 Rangos para la interpretación del parámetro técnico (Estado de Salud) ..................... 40 Tabla 13 Rangos para la interpretación del parámetro medioambiental (Cantidad de emisiones de CO2) ........................................................................................................................................ 42 Tabla 14 Interpretación de colores ............................................................................................. 46 Tabla 15 Distancia de los vecinos más cercanos al dato tratado ................................................ 50 Tabla 16 Datos finales mostrados ............................................................................................... 51 Tabla 17 Comparativa caso de uso 1 con técnicas implementadas ............................................ 56 Tabla 18 Comparativa caso de uso 2 con técnicas implementadas ............................................ 60 Lista de Pseudocódigos Pseudocódigo 1: Algoritmo importación de valores ................................................................... 32 Pseudocódigo 2: Algoritmo normalización de valores ................................................................ 33 Pseudocódigo 3: Algoritmo interpretación de valores para el parámetro venta VE .................. 35 Pseudocódigo 4: Algoritmo interpretación de valores del parámetro costo VE y Batería ......... 37 Pseudocódigo 5: Algoritmo interpretación de valores de densidad energética y estado de salud ..................................................................................................................................................... 40 Pseudocódigo 6: Algoritmo interpretación de valores de emisiones de CO2 ............................ 42 Pseudocódigo 7: Creación de Data set ........................................................................................ 43 Pseudocódigo 8 Carga de datos .................................................................................................. 45 Pseudocódigo 9 Algoritmo de distancia euclidiana con vecinos ................................................. 50
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 6 Verónica Elizabeth Luna Salguero 2. Estado del Arte Los modelos de negocio se han venido estudiando presentando varias expectativas, una con un enfoque estático que pretende analizar cómo una empresa crea y captura valor dentro de una red de valor, es decir, el modelo de negocio sintetiza una forma de crear valor en un negocio. De esta manera se describe cómo funciona una organización y genera ingresos. Otro de los enfoques es el transformacional en el que se analiza como una herramienta busca abordar el cambio y enfocarse a la innovación en la organización o a su vez en el propio modelo [13]. En el artículo “Clarifying Business Models: Origins, Present and Future of the Concept” se describe que un modelo de negocio posee nueve elementos que conforman el sistema de los que se describen la propuesta de valor, segmentos de clientes, relaciones con los clientes, canales, recursos clave, actividades clave, socios, costos e ingresos [14]. Con el pasar del tiempo ha dado lugar a tener una gran variedad de estrategias genéricas, subcategorías y tipos dentro de los modelos de negocio sostenibles, teniendo así los modelos de negocios circulares, los que analizan sistemas producto-servicio, empresas sociales [15]. Según Bocken (2015) los modelos comerciales circulares son modelos que no solamente crean valor sostenible, sino que también apoyan la gestión proactiva de varias partes relacionadas y también la perspectiva a largo plazo; añadiendo así también ciclos de recursos cerrados, lentos y estrechos [16]. Es por ello que dependiendo de las características que posean el modelo, corresponderá a un tipo en específico, que dependerá de las categorías y subcategorías [16] que serán analizadas como estrategias genéricas del modelo cuyo objetivo es el desarrollo en la teoría y la práctica con el fin de avanzar hacia una agenda de investigación. Los prototipos brindan las orientaciones de difusión referente a tecnologías nuevas y limpias, así como también innovaciones sociales y soluciones organizativas, con el fin de lograr obtener y desarrollar un modelo de negocio sostenible [16]. En la Figura 3, se observa de manera gráfica la estructura que analiza el modelo de negocio y las subcategorías. Figura 3 Modelo de negocio y subcategorías
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 7 Verónica Elizabeth Luna Salguero 2.1 Modelo de Negocio Sostenible Añadiendo el término de desarrollo sostenible a los modelos de negocio se enfoca más a una herramienta para hacer uso estratégico de la sostenibilidad en las organizaciones, logrando obtener un resultado triple que abarca a tener una integración equilibrada del medio ambiente (planeta), la sociedad (personas) y la economía (ganancias). Y de esta manera muestra la interconexión entre estos, que a su vez incluye la propuesta de valor siendo estos los beneficios del producto, servicio al cliente y la sociedad así también el medio ambiente, segmentos de clientes y relaciones. Añadiendo la creación de valor que representa a recursos, proveedores y otros socios que ayudan a crear valor. Y por último el mecanismo de captura de valor que trata sobre las estructuras de costos y flujos de ingresos, sumando así la captura de valor para la sociedad y el medio ambiente [16]. Con todo esto se entiende que un modelo de negocio es más como un mecanismo en el que permite identificar de mejor manera la sostenibilidad social y ambiental enfocado al sistema industrial [17]. Así también Stefan Schaltegger (2016) precisa que un modelo de negocio sostenible busca describir, analizar, administrar y comunicar: la propuesta de valor sostenible de una empresa a los clientes y a las partes interesadas, por otra parte cómo se crea y entrega el valor, finalmente cómo se captura el valor económico mientras se regenera el capital natural, social y económico [2]. En los estudios realizados por Bocken y LüdekeFreund (2016) describen los nueve prototipos distribuidos en categorías ambientales, sociales y económicas enfocados al desarrollo sostenible, en la Tabla 1 se muestra los nueve prototipos desarrollados [16]. Tabla 1 Prototipos de modelo de negocio sostenible [16] [1] Principales tipos de innovación Prototipos Innovaciones Ambiental Maximizar la eficiencia energética y materiales -Fabricación/soluciones bajas en carbono. -Soluciones bajas en carbono. -Desmaterialización (productos/envases). -Mayor funcionalidad. Crear valor a partir del desperdicio -Economía circular. -Simbiosis industrial. -Reutilizar, reciclar, refabricar. -Recuperar la gestión. Sustituir con procesos renovables y naturales -Pasar de fuentes de energía no renovables a fuentes de energía renovables. -Innovaciones en energía solar y eólica. -Iniciativa cero emisiones.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 8 Verónica Elizabeth Luna Salguero Social Entregar funcionalidad en lugar de propiedad -Mantenimiento de sistemas de servicio de productos (PSS) orientado al producto, garantía ampliada. -PSS orientado al uso: Alquiler, arrendamiento, compartido. -Pago PSS orientado a resultados por uso. Adoptar un rol de administrador -Protección de la biodiversidad. -Atención al consumidor: promover la salud y el bienestar del consumidor. -Comercio ético (comercio justo). -Edición de opciones por minoristas. -Transparencia radical sobre los impactos ambientales/sociales. Fomentar la suficiencia -Educación del consumidor, comunicación. -Gestión de la demanda. -Longevidad del producto. -Marca premium/disponibilidad limitada. Económico Reorientar el negocio para la sociedad/el medio ambiente -Sin fines de lucro. -Negocios híbridos, empresa social (con fines de lucro). -Propiedad alternativa: cooperativa, mutualista, colectiva. -Iniciativas de regeneración social y de la biodiversidad. Incluida la creación de valor -Enfoques colaborativos (abastecimiento de producción). -De igual a igual, compartir. -Innovación inclusiva. Desarrollar soluciones sostenibles -Modelos de apoyo al emprendedor. -Innovación abierta. -Inversión de impacto / capital -Financiación 2.2 Mercado del Sector de la Automoción Actualmente varias empresas que están relacionadas con el mundo de la automoción, están enfocadas a ofrecer productos relacionados con la adaptación de baterías eléctricas que son procedentes de vehículos eléctricos. A partir del 2011 se empezaron a darse las primeras ventas de vehículos ya que recién se empezaba a dar a conocer en el mercado. Con esta primicia da lugar a que las baterías tengan un alto precio, ya que este elemento es capaz de proporcionar la potencia suficiente, la energía y la vida útil
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 9 Verónica Elizabeth Luna Salguero para el funcionamiento de los vehículos eléctricos. Es por esto que se resume que la mitad del precio real del vehículo corresponde al costo de la batería [18]. 2.3 Modelos de desarrollo técnico y económico Según Canals Casals Lluc para analizar las posibles aplicaciones que se pretende dar al segundo uso de baterías con el fin de analizar el comportamiento económico. Pretende realizar el análisis de un modelo de negocio que proporcione no solo los beneficios económicos al inversionista, sino que además brinde la posibilidad de redirigir una suma de dinero a la reducción del precio en la venta de vehículos eléctricos. [18] En el artículo “SECOND LIFE FOR ELECTRIC CAR BATTERIES: GOOD IDEAS – BAD BUSINESSES” (2014), se detalla seis modelos de negocio enfocados a segundo uso de baterías entre ellos tenemos: • Sistemas de almacenamiento para aplicaciones de red: En este modelo se analizará los sistemas de almacenamiento de energía que se usan para proporcionar soporte a la red, en los que se agrupa módulos de batería de 50kW o más con el fin de construir instalaciones de Mega o Giga vatios. Pero los valores económicos no son los esperados. Ya que los resultados indican períodos de amortización, en el mejor de los casos basados en la distribución de energía de calidad con ingresos inferiores al 5%. Otros estudios optan por alquilar la batería ya que de esta manera los costos de la batería se cancelarán en pagos regulares. Obteniendo de esta manera un valor de un 35% de ingresos finales. Es por ello que se establece que el mejor momento para cambiar la aplicación de la batería, de ser parte del vehículo a un segundo uso es entre el tercer o cuarto año. Por tal motivo el uso de baterías en grandes instalaciones eléctricas a corto plazo no es recomendable ya que los inversores lo que buscan es grandes niveles económicos. • Aseguramiento de Fuentes Renovables: Distintos autores afirman que la mejor manera de almacenar energía procedente de fuentes renovables se debe combinar sistemas de almacenamiento como bombas de agua, aire comprimido y baterías. Siendo los sistemas de almacenamiento basados en baterías tomados como última opción. Ya que hoy en día el sistema energético español no cuenta con la infraestructura para maximizar la eficiencia de las plantas de generación de energía, ya que únicamente están diseñadas para proporcionar la máxima potencia que requiere la red. Y con la aparición de sistemas de almacenamiento y la implementación de redes inteligentes podría provocar el cierre de las centrales de generación. • Equilibrio de carga o usos comerciales ligeros: El balance de carga o comercial cosiste en cargar las baterías en horas de bajo costo, es decir en la noche cuando
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 10 Verónica Elizabeth Luna Salguero el costo energético es tres veces menor que el costo en horas pico para posteriormente usar o vender la energía almacenada cuando su valor sea más alto. La idea de poder triplicar el precio y añadiendo esto en poco tiempo es interesante, pero aparecen cuatro factores que estropean el trabajo, la primera la amortización de la batería, la segunda la capacidad de la batería del automóvil (20kWh) que es mucho mayor en relación al uso residencial (8kWh/día) en consecuencia al banco de baterías se lo debe desmontar y compartir entre usuarios para que de esta manera se reduzca el precio, la tercera es que la ley española no permite la conexión de baterías a la red, permitidos están los sistemas de almacenamiento para uso asistido o instalaciones aisladas. Y el cuarto que se llegará a consolidar siempre y cuando se dé una implementación masiva en donde la curva de carga y demanda tenderá a ser plana generando la reducción de los incentivos de precio noche/día que desaparecen y con ello el interés económico. Las opciones a continuación a detallarse se basan en aplicaciones no conectadas a la red, que en definitiva son mercados donde el uso de la batería se encuentra implementada cuya idea principal se basa en la sustitución de la batería. • Proyectos de instalación aislada: Se derivan del caso anterior con la diferencia que no puede conectarse ni depender de la red de distribución de energía, limitándose a una comparación entre el costo y el rendimiento de las baterías. Además, se estima que la capacidad energética de una batería de segundo uso es aproximadamente un 20-25%. • Dispositivos portátiles y ligeros: Las baterías de vehículos eléctricos se construyen a partir de la unión de varias celdas, este conjunto de celdas tiene las dimensiones parecidas a una batería de automóvil normal, pero con mejores prestaciones. Si se considera el desmontaje de la batería y teniendo en cuenta que el precio esperado es de 100€/kWh y el costo de la batería usada sería de 50€. Las posibles aplicaciones están enfocadas a usos náuticos para el encendido de equipos eléctricos y electrónicos, dispositivos portátiles, para robots de asistencia en hospitales. • Sistemas de carga rápida de VE: Consiste en cargar las baterías viejas lentamente, y una vez cargadas transferir la energía almacenada a la batería del vehículo eléctrico de forma rápida. Y de esta manera es imprescindible la instalación de alta potencia. Las aplicaciones descritas no presentan pérdidas económicas, pero no generan grandes beneficios para atraer a inversionistas privados, por lo que las administraciones europeas brindan ayudas económicas para continuar con el desarrollo [18].
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 11 Verónica Elizabeth Luna Salguero 2.4 Baterías Las baterías de ion-litio (BIL) debido a las prestaciones que presentan son usadas en el desarrollo de vehículos eléctricos. Este elemento está compuesto por un anodo de carbono poroso (Grafito) y un cátodo de óxido de litio, como electrolito se utiliza una sal de litio y un disolvente orgánico (Figura 4) [19]. Figura 4 Proceso de carga y descarga de una batería de ion-litio [19] Los ánodos y cátodos se unen mediante un colector. Y además estos se apartan mediante un separador sumergido en el electrolito como se muestra en la Figura 5, cuyo fin es permitir el paso de iones, pero impedir el paso de electrones. Teniendo así que durante la fase de carga de la batería los electrones se disocian de los iones de litio, al poseer estos elementos carga positiva se desplazan por le electrolito hacia el ánodo en donde son almacenados. Mientras que en la fase de descarga se realiza el proceso inverso, los iones de litio fluyen por el electrolito hacia el cátodo y los electrones proporcionan energía eléctrica al pasar del ánodo al cátodo a través de la carga [20]. Figura 5 Esquema de funcionamiento de una batería de iones de litio [20]
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 12 Verónica Elizabeth Luna Salguero Algunas ventajas que presentan las baterías de ion-litio son las siguientes: • Alta densidad energética y eficiencia: su peso se reduce a la mitad y ocupa un volumen más pequeño, teniendo así las mismas características que otras baterías. • Alto voltaje de la celda elemental: el voltaje de las celdas es el triple en relación a otras baterías y, por tanto, se reduce el número de celdas que hay que asociar. • No poseen efecto memoria. • Carece de metales pesados como el mercurio (Hg), plomo (Pb) o cadmio (Cd) que son altamente contaminantes. • No necesitan mantenimiento. Por otra parte, las desventajas de estas baterías son las siguientes: • Necesitan un circuito electrónico de protección que limite la carga y la descarga de la batería. • Tienen un coste elevado. • No funcionan de manera correcta a bajas temperaturas y se degrada a temperaturas elevadas. • El número de cargas es limitado. • A altas temperaturas presentan riesgos de explosión. • Se almacenarán en ambientes a temperaturas de 25°C y parcialmente cargadas. A pesar de los inconvenientes que presentan estas baterías se encuentran en constante desarrollo ya que poseen un gran margen de mejora [21]. 2.4.1 Baterías de vehículos eléctricos Con el pasar del tiempo se han venido dando a conocer baterías que de una u otra manera no han sido aptas para utilizarse en un vehículo eléctrico, ya que carecen de tener la suficiente capacidad que garantice tener las prestaciones necesarias. En la actualidad se ha desarrollado tipos de baterías que permiten la creación de vehículos eléctricos funcionales y de esta manera poder competir con los vehículos de combustión interna [20]. En los artículos: “Automotive Li-Ion Batteries: Current Status and Future Perspectives” (2019) y “ State-of-the-Art and Energy Management System of LithiumIon Batteries in Electric Vehicle Applications: Issues and Recommendations” (2018) se presenta varios tipos de baterías entre los que se detallan baterías de plomo ácido (Tabla 2), baterías de níquel (Tabla 3), batería de sal fundida (Tabla 4), pilas de combustible (Tabla 5) y baterías de litio (Tabla 6) [20] [22] [23].
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 13 Verónica Elizabeth Luna Salguero Tabla 2 Baterías de Plomo Ácido Batería de Plomo-Ácido Características -Utilizadas comúnmente en vehículos de combustión interna. -Usadas para funciones de arranque, iluminación y soporte eléctrico. -Tiene bajo costo. -Excesivo peso. -Carga lenta. -El plomo que contiene es tóxico. -La energía específica está entre los 40 – 60 Wh/kg. Tabla 3 Baterías de Níquel Baterías de Níquel Batería de Níquel – Cadmio Características -No se emplean mucho en vehículos comerciales. -Usadas en aviones, helicópteros y vehículos militares por el gran rendimiento que presentan a temperaturas bajas. -Costo excesivo. -Poseen efecto memoria, por lo que la capacidad disminuye con los ciclos de carga y descarga. -La energía específica es de 40 - 110 Wh/kg Batería de Níquel – Hierro Características -Poseen una densidad energética similar a las baterías de plomo – ácido por lo que no se usan actualmente. -Son costosas. -Son menos eficientes. -La energía específica es de 30 – 50 Wh/kg.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 14 Verónica Elizabeth Luna Salguero Batería de Níquel – Hidruro Metálico Características -Poseen mayor capacidad que las baterías de níquel – cadmio. - Requieren más mantenimiento. -Son sensibles a temperaturas extremas. -Generan excesivo calor. -Se cargan de forma lenta. -La energía específica es de 60 – 100 Wh/kg. Tabla 4 Batería de Sal Fundida Batería de Sal Fundida Características -Usan una sal fundida de cloro-aluminio de sodio triturado como electrolito. -Poseen el mejor ciclo de vida de todas las baterías. -Tienen poca potencia. -Necesitan demasiado tiempo para ponerse en funcionamiento. -Poseen temperaturas muy elevadas de funcionamiento. -Se pueden almacenar de manera indefinida. Ocupan demasiado espacio. -La energía específica es de alrededor de 90 Wh/kg Tabla 5 Pilas de Combustible Pilas de Combustible Batería de Aluminio – Aire Características -Los electrodos metálicos se consumen y deben ser remplazados. -Posee una capacidad de almacenamiento de energía demasiada alta. -Tiene mayor densidad energética que todas las baterías.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 15 Verónica Elizabeth Luna Salguero -La energía específica está en torno a los 1300 Wh/kg. Teniendo en cuenta que posee una energía específica máxima teórica de 6000 Wh/kg. Batería de Zinc – Aire Características -Funciona de manera similar a las baterías de aluminio – aire. -Poseen mayor capacidad y potencial energético que las baterías de Ion – litio. -Se tiene diseños que tienen una energía específica de 470 Wh/kg, pero su energía específica máxima teórica es de 6000 Wh/kg. Tabla 6 Baterías de Litio Baterías de Litio Batería de Polímero de Litio (LiPo) Características -El electrolito está constituido por un polímero con poros microscópicos que dejan pasar solo a los iones. -Son más ligeras, resistentes y seguras. -El número de ciclos que permite es menor. -Poseen una alta energía específica como otras baterías de Ion-litio con electrolito líquido. -Su aplicación está enfocada al aeromodelismo o teléfonos móviles. Baterías de Óxido de Cobalto de Litio LiCoO2 (LCO) Características -Están formadas por un electrolito de sal de litio y electrolitos de litio, cobalto y óxido. -Poseen el doble de densidad energética y un tamaño de hasta tres veces menor que las baterías de níquel – cadmio. -El coste de producción es elevado.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 22 Verónica Elizabeth Luna Salguero • Densidad energética: es la relación entre el volumen de la batería y la cantidad de energía que puede almacenar. Este parámetro se expresa en Wh/L o kWh/m3 para el caso de la batería de Ion Litio su valor se encuentra entre los 250 y 730 Wh/L. • Energía específica: Este parámetro indica la cantidad de energía que se puede almacenar en una batería por unidad de masa, se expresa en unidades de Wh/kg y debido a que la tensión de la batería tiene un rango de valores concreto se puede expresar en Ah/kg. Actualmente la densidad de energía teórica máxima de las baterías de iones de litio ha aumentado de manera progresiva en los últimos años, debido a los materiales utilizados en los electrodos obteniendo así un valor de 300Wh/kg. Y se espera que en un futuro con la aparición de nuevos materiales y tecnologías este valor aumente, como por ejemplo las baterías de metal – aire, litio – azufre o litio – aire pueden alcanzar un valor de 800 Wh/kg (Figura 10) [20]. Figura 10 Energía específica máxima demostrada y teórica de algunos tipos de baterías [20] • Capacidad: Este parámetro está relacionado con la energía específica. Es la energía total que se tiene en ese instante, se expresa en Wh o Ah. La capacidad no está limitada por el nivel de desarrollo dando lugar a que existan baterías con cualquier capacidad, esto se hace posible añadiendo módulos en paralelo. Pero esta implementación implica el aumento en el tamaño, peso y precio de la batería [20]. • Estado de Carga (SOC): Se define como el porcentaje de carga en el que se encuentra la batería o a su vez la cantidad de energía almacenada en la batería en un instante determinado respecto a la capacidad total [20] [28]. El estado de carga indica la cantidad de carga disponible en relación con la capacidad de la batería. Este parámetro se puede calcular mediante la relación que existe entre la diferencia de la carga nominal y la carga restante sobre la carga, si el estado
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 23 Verónica Elizabeth Luna Salguero de carga es del 100% significa que se ha llegado al estado completo de carga y por el contrario si el valor es 0% significa una descarga completa [26] [29]. 𝑆𝑂𝐶 =(𝑄𝑜−𝐶𝐵 𝑄𝑜)∗100 Donde: SOC Estado de carga de la batería 𝑄𝐵 Carga restante 𝑄𝑜 Carga nominal El SOC se puede determinar midiendo la tensión entre bornes de la batería, considerando que este valor es un valor mínimo o un valor máximo. Para el almacenaje de la batería la condición óptima del estado de carga es el 50%, debió a que en este valor se deteriora menos los electrodos de la batería. Por tal razón mientras más cerca o alejado se encuentre del 50% el estado de carga en un ciclo, mayor será el deterioro de la batería. Considerando un ciclo completo cuando la batería se ha descargado el 100% de capacidad, por lo que las etapas diarias de carga y descarga parciales equivalen a una fracción de un ciclo completo de carga y descarga [20]. En la Figura 11, se presenta el comportamiento de una batería de plomo-ácido que analiza la tensión de una celda en relación al estado de carga, observándose que a partir del 20% la tensión empieza a bajar [30]. Figura 11 Evolución de la tensión de una celda vs SOC en una batería de plomo-ácido [30] El comportamiento del estado de carga depende de varios factores como la corriente, la temperatura o el estado de salud de la batería. Cabe destacar que para las baterías de ion litio presentan una tendencia más lineal, como por ejemplo las baterías usadas en el vehículo eléctrico Chevrolet Volt presentan este tipo de respuesta (Figura 12) [6].
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 24 Verónica Elizabeth Luna Salguero Figura 12 Evolución del SOC en la batería de un Chevrolet Volt vs Tiempo [6] • Temperatura: esta medida es muy importante ya que está relacionada a la resistencia interna de la batería, haciéndola variar y provocando la reducción de la capacidad, potencia y por ende el tiempo de vida. Teniendo en cuenta que el funcionamiento de la batería a altas temperaturas mejora el rendimiento de la resistencia interna y acelera la velocidad de reacción química provocando la reducción de la vida de servicio, pero se acelera la corrosión provocada por el electrolito [20]. Analizando la química de algunas baterías expuestas a ciertas temperaturas provoca que sean susceptibles a producir reacciones exotérmicas y por tal generan problemas de seguridad [20]. En la Figura 13, se presenta el comportamiento de la vida útil de una batería en relación a diferentes valores de temperatura (25°C y 45°C) para algunas condiciones de trabajo, concluyendo que la vida útil es menor para altos valores de temperatura [28] [31]. Figura 13 Comportamiento de la vida útil de una batería a diferentes valores de temperatura [32] Un dato importante referente a las baterías de ion litio es que no son recomendables a usarse en altas temperaturas (mayor a 30°C) o bajas
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 25 Verónica Elizabeth Luna Salguero temperaturas (menores a 10°C) [20]. Y de manera general al trabajar en climas cálidos existe una disminución de la vida útil y un aumento de la capacidad entregada que puede superar el 20% de la capacidad nominal [28] [31]. • Resistencia Interna: La variación de la resistencia interna depende de la intensidad y la temperatura a la que está expuesta la batería. Por una parte, la intensidad está relacionado con la capacidad y consecuentemente con el estado de salud de la batería. Teniendo en cuenta que para el segundo factor el valor recomendado es una temperatura óptima siendo está 25°C [20]. La resistencia interna es la función de transferencia entre la diferencia de potencial y la corriente que por lo general es una cantidad compleja y se debe medir mediante el uso de un analizador de respuesta de frecuencia. 2.4.5 Costo de Baterías Para este factor hay que tomar en cuenta la obtención de la materia prima de los materiales y además la producción de la misma. Hoy en día el precio se encuentra en un estado bajo ya que existe afluencia de empresas dedicadas a la producción de baterías. Pero por otro lado al hablar de materiales y en este caso al usarse el litio y el cobalto siendo estos materiales costosos. Lo que se espera que con el pasar del tiempo la demanda de materiales supere a la producción y exista una reducción en el coste de baterías [20] . En 2019 el coste medio de la industria se ha situado en 156 dólares el kWh. Esta cifra nos indica que en relación a anteriores años ha existido un descenso en el precio de baterías sabiendo que entre el 2018 y 2019 se tuvo una caída del 11.36% y a su vez en el 2017 una reducción del 27.1% [8]. Esto nos da una visión global que el coste de baterías es cada vez más accesible teniendo en cuente que en el 2018 las cifras indicaban que a mediano o largo plazo se lograría llegar a 94 dólares el kWh de media en el 2024, y que decir a 62 dólares el kWh para el 2030, como se observa en la Figura 14 [8]. Figura 14 Evolución del precio de la batería [8]
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 26 Verónica Elizabeth Luna Salguero Hoy en día, las baterías más utilizadas son las de Ion Litio, a pesar de que existen avances en el desarrollo de nuevos modelos que entre las prestaciones que posean puedan aumentar la autonomía de los coches eléctricos. En la Figura 15, se presenta la evolución del precio de las baterías de ion litio con el pasar del tiempo [33]. Figura 15 Evolución del precio de la batería de ion litio desde 2010 [33]. 2.5 Venta de coches eléctricos La venta de vehículos eléctricos avanza de manera lenta, teniendo en cuenta que el desarrollo está ligado directamente con las baterías. Teniendo en cuenta que las baterías de ion litio son las que se encuentran en auge debida a las prestaciones que poseen. Es por ello que en cuanto a ventas de coches eléctricos se prevé un aumento del 35% del total en ventas, teniendo así una evolución significativa hasta el 2040 (Figura 16) [8] [21]. Figura 16 Evolución de ventas de vehículos eléctricos desde el año 2016 [8]. 0 100 200 300 400 500 2015 2017 2019 2021 2023 2025 2027 2029 2031 2033 2035 2037 2039 Millones de Vehículos Evolución de la venta de vehículos eléctricos en el mercado V. Acumuladas V. Anuales
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 27 Verónica Elizabeth Luna Salguero Se destaca que el precio de la batería es la causa que repercute en la reducción del precio del vehículo eléctrico. En el 2016, el 48% del precio del vehículo corresponde al valor de la batería, pero se estima que para el 2030 el valor de este dispositivo sea el 18% del precio del vehículo. Al cumplirse estas estimaciones, el vehículo eléctrico tendría un precio de 21000 € y el valor de la batería podría llegar a ser de 3400 €. 3. Desarrollo Dentro del análisis de un modelo de negocio sostenible hemos visto que se tiene en cuenta aspectos económicos, sociales y medioambientales; para el desarrollo del presente proyecto se complementa, con otro aspecto importante técnicos, que tendrá en cuenta el tiempo de vida de las baterías en primera y segunda vida. Dentro de cada uno de estos aspectos, se definieron parámetros considerados importantes en este estudio; los mismos que se observan en la siguiente estructura (Figura 17). Figura 17 Estructura de análisis del modelo de negocio. Elaboración propia (2021) En lo que se refiere al aspecto social, se tomará en cuenta la acogida, que presenta hoy en día adquirir un vehículo eléctrico para uso diario (Figura 18). Una encuesta realizada en algunos países afirma, la gran probabilidad que los usuarios compren un vehículo eléctrico [34]. Aspectos de análisis Económico Costo de VE Costo de Batería Social Número de VE vendidos Medioambiental Emisiones de CO2 Técnico Densidad Energética SOH
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 28 Verónica Elizabeth Luna Salguero Figura 18 Porcentaje de encuestados que afirman la compra de un vehículo eléctrico [34] La venta realizada, en los últimos años referente a unidades de vehículos eléctricos presenta la siguiente tendencia, observándose que el número de vehículos eléctricos sigue en aumento con el pasar del tiempo [35]. Los datos usados para el análisis corresponde a la cantidad de vehículos vendidos entre los años 2000 y 2018 (Figura 19), fueron tomados de la base de datos FRED encontrándose en: https://fred.stlouisfed.org/series/ALTSALES. Figura 19 Tendencia de venta de vehículos eléctricos [35] En cuanto al aspecto económico se tomará en cuenta parámetros, como el costo del vehículo eléctrico y costo de las baterías [7], presentes en el mercado; en cuanto al primer parámetro, se obtuvieron los datos presentados en [36]. Por otra parte, en la Figura 20, se presenta la tendencia que presenta el costo de las baterías eléctricas con el pasar del tiempo; presentando una reducción del 89% en el precio a sí mismo un aumento del 73% en la densidad de energía [37]. Los datos adquiridos fueron tomados de https://www.zauba.com/import-BATTERY+PACK/hs-code-8506-hscode.html#google_vignette, https://www.iea.org/data-and-statistics/charts/evolutionof-li-ion-battery-price-1995-2019 [38], precios de batería en los años 1990 - 2018.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 29 Verónica Elizabeth Luna Salguero Figura 20 Tendencia del costo de baterías [38] Por otra parte, referente al aspecto técnico, se toman en cuenta los parámetros relacionados directamente con la batería; usadas en el vehículo eléctrico como la densidad energética y el estado de salud (SOH) [39]. En cuanto al aspecto medioambiental, se analiza el parámetro de las emisiones de CO2 presentes en el ambiente, conociendo que con el aumento del uso de vehículos eléctricos este valor disminuirá, este parámetro se miden en kilotoneladas (kt) de emisiones de CO2; en la Figura 21, se observa la tendencia que presentan las emisiones en España con el pasar del tiempo [40]. Los valores fueron tomados de la base de la página del BANCO MUNDIAL, encontrándose en: https://datos.bancomundial.org/indicator/EN.ATM.CO2E.KT?end=2016&locations=ES &start=1960, obteniendo los valores de emisiones presentes en España desde el año 1960 hasta el 2015. Figura 21 Emisiones de CO2 (kt) vs tiempo [40]
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 30 Verónica Elizabeth Luna Salguero Cada uno de los valores que corresponden a los parámetros de análisis, se obtuvieron a partir de bases de datos anteriormente mencionadas y generando un conjunto de datos, que fueron tratados para determinar el nivel de sostenibilidad. 3.1 Descripción General de la Herramienta El proceso del desarrollo de la herramienta está constituido por tres etapas: tratamiento de datos (entradas), clasificador y nivel de sostenibilidad (salida), como se observa en la Figura 22. En el bloque de entradas, se realiza un tratamiento de datos correspondientes a los parámetros considerados. A continuación, en el bloque del clasificador, se aplica algoritmos de clasificación que permiten agrupar los datos en función de las características de cada una de las variables; en la etapa correspondiente al bloque de salidas establecer el nivel de sostenibilidad y porcentaje de certeza al que pertenece el dato tratado. Figura 22 Etapas que conforman el desarrollo de la herramienta. Elaboración propia (2021) 3.2 Introducción de Datos Para iniciar con el uso de la herramienta, existe un proceso importante denominado introducción de datos. El que consta de una entrada: ingreso del dato que se desea analizar por parte del usuario, una salida: la identificación del nivel de sostenibilidad. La estructura de este dato debe cumplir necesariamente con todos los parámetros: Venta de VE, Costo de VE, Costo de Batería, Densidad Energética, Estado de Salud y Nivel de Emisiones de CO2; los mismos que serán ingresados en una posición del dataset. Este proceso se muestra en la ¡Error! No se encuentra el origen de la referencia..
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 31 Verónica Elizabeth Luna Salguero Figura 23 Dato ingreso por el usuario al dataset para ser analizado 3.3 Tratamiento de Datos El bloque de tratamiento de datos, se desarrolla en el software Matlab, esto inicia con la importación de una base de datos creada en Excel. La que contiene cada uno de los parámetros definidos en el estudio, el número total de datos para cada una de las variables es de alrededor de 10000 valores, una muestra de esto se observa en la Figura 24; estos datos están relacionados a los aspectos económico, social, técnico y medioambiental. Figura 24 Parámetros usados para el análisis. Elaboración propia (2021) El Pseudocódigo 1, implementado en el software Matlab, para la importación de los valores correspondientes a cada parámetro se muestra a continuación:
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 38 Verónica Elizabeth Luna Salguero 13 B1(i)="2"; 14 END IF 15 INICIO IF 16 if (Y1(i)>=75) 17 B1(i)="1"; 18 END IF 19 FIN FOR 20 R1=[C B1]; 21 INICIO FOR 22 for i=1:n1 23 INICIO IF 24 if (Y2(i)<=43) 25 B2(i)="3"; 26 END IF 27 INICIO IF 28 if ((Y2(i)>=44)&&(Y2(i)<=74)) 29 B2(i)="2"; 30 END IF 31 INICIO IF 32 if (Y2(i)>=75) 33 B2(i)="1"; 34 END IF 35 FIN FOR 36 R2= [T B2]; 37 FIN 3.3.2.3 Validación parámetros del aspecto técnico Referente al aspecto técnico, trata dos parámetros como: la densidad energética y estado de salud (SOH). Analizando al primer parámetro, se toma los niveles que están distribuidos como muestra la Figura 30, 1 (Nivel bajo del valor de densidad energética), 2 (Nivel medio del valor de densidad energética), 3 (Nivel alto del valor de densidad energética). Por ejemplo, si se considera que el valor de la densidad energética fue 725Wh/L, se establece, que para el análisis el valor corresponde al nivel 3, ya que de manera general en el análisis corresponde a un nivel alto de sostenibilidad. Conociendo que este dato evidencia la cantidad de energía, que puede almacenar por ende este valor analizado se encuentra en el nivel alto.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 39 Verónica Elizabeth Luna Salguero Figura 30 Selección de niveles de sostenibilidad en el valor de la densidad de energía Considerando que el análisis del parámetro antes descrito, optamos por determinan los rangos para determinar la interpretación de datos, mostrándose en la Tabla 11. Tabla 11 Rangos para la interpretación del parámetro técnico (Valor de densidad energética) RANGO (%) NIVEL ETIQUETA ≥ 56 Alto 3 26 ≤ R ≤ 55 Medio 2 ≤ 25 Bajo 1 En cuanto al análisis del parámetro estado de salud, definimos los niveles que están distribuidos como muestra la Figura 31, 1 (Nivel bajo del porcentaje de SOH), 2 (Nivel medio del porcentaje de SOH), 3 (Nivel alto del porcentaje de SOH). Por ejemplo, considerar el porcentaje del estado de salud fue 98%, posteriormente establecer para el análisis el valor corresponde al nivel 3, ya que de manera general en el análisis corresponde a un nivel alto de sostenibilidad. Conociendo que este dato evidencia el estado de salud que presenta la batería en ese momento. Figura 31 Selección de niveles de sostenibilidad en el valor del estado de salud de la batería
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 40 Verónica Elizabeth Luna Salguero El análisis del parámetro, antes descrito determina los rangos en la interpretación de datos, mostrándose en la Tabla 12. Tabla 12 Rangos para la interpretación del parámetro técnico (Estado de Salud) RANGO (%) NIVEL ETIQUETA ≥ 66 Alto 3 46 ≤ R ≤ 65 Medio 2 ≤ 45 Bajo 1 El Pseudocódigo 5, implementado para realizar la interpretación de datos del parámetro valor densidad energética y estado de salud se muestra a continuación: Pseudocódigo 5: Algoritmo interpretación de valores de densidad energética y estado de salud 1 INICIO 2 VAR 3 MATRIZ Y3, B3, R3, E, Y4, B4, R4, S; 4 ENTERO n3, n4; 5 INICIO FOR 6 for i=1:n3 7 INICIO IF 8 if (Y3(i)<=25) 9 B3(i)="1"; 10 END IF 11 INICIO IF 12 if ((Y3(i)>=26)&&(Y3(i)<=55)) 13 B3(i)="2"; 14 END IF 15 INICIO IF 16 if (Y3(i)>=56) 17 B3(i)="3"; 18 END IF 19 FIN FOR 20 R3=[E B3]; 21 INICIO FOR 22 for i=1:n4 23 INICIO IF 24 if (Y4(i)<=45) 25 B4(i)="1"; 26 END IF
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 41 Verónica Elizabeth Luna Salguero 27 INICIO IF 28 if ((Y4(i)>=46)&&(Y4(i)<=65)) 29 B4(i)="2"; 30 END IF 31 INICIO IF 32 if (Y4(i)>=66) 33 B4(i)="3"; 34 END IF 35 FIN FOR 36 R4=[S B4]; 37 FIN 3.3.2.4 Validación de parámetro del aspecto medioambiental Considerando evaluar el aspecto medioambiental, analiza la cantidad de emisiones CO2 presentes en el ambiente, los niveles están distribuidos como lo muestra la Figura 32, 3 (Nivel bajo de cantidad de emisiones de CO2), 2 (Nivel medio de cantidad de emisiones de CO2), 1 (Nivel alto de cantidad de emisiones de CO2).; tomando como ejemplo que existe un valor de 46152 kt de emisiones CO2, estableciendo para el análisis que este dato corresponde a un nivel 1 (bajo nivel de sostenibilidad), justificándose así que hoy en día, presenta un excesivo nivel de contaminación relacionado a la disminución del valor mediante la implementación de VE. Figura 32 Selección de niveles de sostenibilidad en la cantidad de emisiones de CO2 Para el aspecto medioambiental, determinamos los siguientes rangos para la interpretación de datos, mostrándose en la Tabla 13.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 42 Verónica Elizabeth Luna Salguero Tabla 13 Rangos para la interpretación del parámetro medioambiental (Cantidad de emisiones de CO2) RANGO (%) NIVEL ETIQUETA ≤43 Alto 3 44≤ R ≤74 Medio 2 ≥ 75 Bajo 1 El Pseudocódigo 6, implementado para la interpretación de datos del aspecto social se muestra a continuación: Pseudocódigo 6: Algoritmo interpretación de valores de emisiones de CO2 1 INICIO 2 VAR 3 MATRIZ Y5, B5, R5, A; 4 ENTERO n5; 5 INICIO FOR 6 for i=1:n5 7 INICIO IF 8 if (Y5(i)<=43) 9 B5(i)="3"; 10 END IF 11 INICIO IF 12 if ((Y5(i)>=44)&&(Y5(i)<=74)) 13 B5(i)="2"; 14 END IF 15 INICIO IF 16 if (Y5(i)>=75) 17 B5(i)="1"; 18 END IF 19 FIN FOR 20 R5=[A B5]; 21 FIN Luego de realizar este análisis se obtiene un archivo final de este tratamiento de datos, observando cada parámetro con su valor de nivel, en la Figura 33, se observa una muestra de este tratamiento.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 43 Verónica Elizabeth Luna Salguero Figura 33 Evaluación de datos de cada parámetro Posterior se realiza un proceso para el tratamiento de datos grupal (Figura 34), aplicando una media a los valores de nivel de cada parámetro (a), luego una media de los datos normalizados (b) y de esta manera se agrupan los datos para la creación del dataset (c), para usarlo en el clasificador de datos. En tanto el Pseudocódigo 7, muestra la implementación de este análisis. Aspecto Económico Aspecto Social Aspecto Medioambiental Aspecto Técnico E1 E2 𝜇𝑒 S1 𝜇𝑠 M1 𝜇𝑚 T1 T2 𝜇𝑡 e(1,1) e(2,1) 𝜇𝑒1 s(1,1) 𝜇𝑠1 m(1,1) 𝜇𝑠1 t(1,1) t(2,1) 𝜇𝑡1 e(1,2) e(2,2) 𝜇𝑒2 s(1,2) 𝜇𝑠2 m(1,2) 𝜇𝑠2 t(1,2) t(2,2) 𝜇𝑡2 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ e(1,n) e(2,n) 𝜇𝑒𝑛 s(1,n) 𝜇𝑠𝑛 m(1,n) 𝜇𝑠𝑛 t(1,n) t(2,n) 𝜇𝑡𝑛 a) Agrupación de datos y datos normalizados de cada aspecto económico, social, medioambiental y técnico 𝜇𝑒 𝜇𝑠 𝜇𝑚 𝜇𝑡 𝜇𝑇 𝜇𝑒1 𝜇𝑠1 𝜇𝑠1 𝜇𝑡1 𝜇𝑇1 𝜇𝑒2 𝜇𝑠2 𝜇𝑠2 𝜇𝑡2 𝜇𝑇2 ⋮ ⋮ ⋮ ⋮ ⋮ 𝜇𝑒𝑛 𝜇𝑠𝑛 𝜇𝑠𝑛 𝜇𝑡𝑛 𝜇𝑇3 b) Cálculo de media de datos normalizados E1 E2 S1 M1 T1 T2 𝜇𝑇 e(1,1) e(2,1) s(1,1) m(1,1) t(1,1) t(2,1) 𝜇𝑇1 e(1,2) e(2,2) s(1,2) m(1,2) t(1,2) t(2,2) 𝜇𝑇2 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ e(1,n) e(2,n) s(1,n) m(1,n) t(1,n) t(2,n) 𝜇𝑇3 d)Agrupación para el dataset con datos y datos normalizados Figura 34 Proceso de Creación de Dataset Pseudocódigo 7: Creación de Data set 1 INICIO 2 VAR 3 MATRIZ M,M1,M2,M3,MT,MT1,MT2,M4; 4 ENTERO x;
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 44 Verónica Elizabeth Luna Salguero 5 INICIO FOR 6 for i=1:x 7 M(i)= mean([A(i,1) A(i,3) A(i,5)]); 8 M1(i)=floor(M(i)); 9 FIN FOR 10 INICIO FOR 11 M2(i)= mean([A(i,7) A(i,9) A(i,11)]); 12 M3(i)=round(M2(i)); 13 FIN FOR 14 MT=[M M1]; 15 MT1=[M2 M3]; 16 MT2=[M1 M3]; 17 INICIO FOR 18 for i=1:x 19 M4(i)= mean([MT2(i,1) MT2(i,2)]); 20 INICIO IF 21 if M4(i)==2 22 M5(i)=M4(i); 23 FIN IF 24 INICIO IF 25 if M4(i)>2 26 M5(i)=round(M4(i)); 27 FIN IF 28 INICIO IF 29 if M4(i)<2 30 M5(i)=floor(M4(i)); 31 FIN IF 32 FIN FOR 33 MT4=[M4 M5]; 34 FIN 3.4 Clasificador de datos Para el desarrollo de este bloque se utiliza el software Embedding Projector, una herramienta que permite visualizar datos y entender qué aprende un modelo sobre los datos. El proceso implementado para este análisis se presenta en la Figura 35.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 45 Verónica Elizabeth Luna Salguero Figura 35 Proceso implementado en el clasificador de datos 3.4.1 Carga de datos Se carga el fichero del dataset de la sección anterior, presentado la siguiente distribución de los parámetros y valores respectivamente (Figura 36). Hay que tomar en cuenta que el dataset es un archivo (.csv) y su posición empieza en uno, mientras que la herramienta está basada en un lenguaje de programación Python, el cual inicia la cuenta en cero; así cuando ingrese en el dataset la posición: 10115 para la herramienta este dato se ubicara en la posición 10116. Figura 36 Dataset de carga de datos El Pseudocódigo 8, es la implementación de este proceso. Pseudocódigo 8 Carga de datos 1 INICIO 2 IMPORTAR LIBRERIAS 3 SUBIDA DE DATOS USANDO URL 4 CREACIÓN DE TENSORES CON TIPO DE DATO ADECUADO 5 FIN
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 46 Verónica Elizabeth Luna Salguero 3.4.1.1 Clasificador por color Luego de tener cargado el dataset, para realizar crear el conjunto de datos por color se debe tener en cuenta que la media de los datos normalizados representa cada variación de color que se identifican con los números 1,2,3. En la Figura 37, se presenta un parte del dataset requerido para implementarlo. Figura 37 Dataset usado para clasificador por color Teniendo la distribución de los datos por color, generando la siguiente interpretación de colores (Tabla 14). Tabla 14 Interpretación de colores COLOR NÚMERO Rojo 1 Azul 2 Rosado 3 Al marcar un punto en la distribución se puede observar el nivel al que pertenece dicho dato como se muestra en la Figura 38. Figura 38 Identificación de dato por color
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 47 Verónica Elizabeth Luna Salguero 3.4.1.2 Clasificador por posición Para complementar al anterior análisis, se requiere tener un dataset como se presenta en la Figura 39, el mismo que presenta un orden de los datos (ITEM) y el nivel que representa dicho dato. Figura 39 Dataset usado para el clasificador por posición Al marcar un punto en la distribución presenta el número de ítem al que pertenece el dato, así como el nivel que presenta dicho dato como se muestra en la Figura 40. Figura 40 Identificación de dato por posición Al escoger el dato seleccionado se presenta el entorno como se muestra en la Figura 41, mostrándose el dato a analizar y que sirve para identificar los vecinos más cercanos, así como la distancia euclidiana más próxima y el nivel al que corresponde.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 54 Verónica Elizabeth Luna Salguero Figura 51 Algoritmo T-SNE caso de uso 1 Figura 52 Diagrama de barras del número de vecinos caso de uso 1 (T-SNE) Figura 53 Nivel de sostenibilidad caso de uso 1 (T-SNE)
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 55 Verónica Elizabeth Luna Salguero También se presenta el algoritmo UMAP, presentado en la Figura 54, teniendo una distancia euclidiana promedio más cercana igual a 1053.4781, con un número de vecinos igual a 20 indicado en la Figura 55, generando un posición 2 significando una sostenibilidad media, con una posibilidad de alrededor del 94.60134 %, mostrado en la Figura 56. Figura 54 Algoritmo UMAP caso de uso 1 Figura 55 Diagrama de barras de vecinos caso de uso 1 (UMAP)
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 56 Verónica Elizabeth Luna Salguero Figura 56 Nivel de sostenibilidad caso de uso 1 (UMAP) Una vez realizado el cálculo correspondientes a cada técnica, nos muestra los valores indicados en la Tabla 17, donde podemos identificar que el nivel predominante para las técnicas implementadas corresponde al 2, con un porcentaje de sostenibilidad del 97,80275%, el cual le correspondería el mejor performance para el algoritmo T-SNE. Determinando así, que a la cantidad de 10000 datos el algoritmo con mayor rendimiento es el T-SNE. Tabla 17 Comparativa caso de uso 1 con técnicas implementadas DATO POSICIÓN: 320 NIVEL INICIAL: 3 ALGORITMO DISTANCIA NIVEL PORCENTAJE (%) PCA 1053,4782 2 94,60132 T-SNE 0,043 2 97,80275 UMAP 1053,4781 2 94,60134 Caso 2: En este apartado presenta las siguientes condiciones: ✓ Posee un dataset de 10000 datos para el análisis. ✓ Tres algoritmos de análisis (PCA, T-SNE, UMAP) ✓ Número de vecinos igual a 100. ✓ Cálculo de la distancia euclidiana se toma un conjunto de 20 vecinos. ✓ DATO: Posición = 10035, nivel inicial = 2. Se presenta el análisis del algoritmo PCA el cual fue esferizado, como se muestra en la Figura 57, para la clasificación de los datos, donde nos muestra que tiene una distancia euclidiana promedio más cercana igual a 0.0072, con una muestra de 20 vecinos indicado en un diagrama de barras Figura 58, genera una posición en el nivel 2 lo que
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 57 Verónica Elizabeth Luna Salguero significa una sostenibilidad media, con una posibilidad de alrededor del 98.99855 %, indicado en la Figura 59. Figura 57 Algoritmo esferizado caso de uso 2 (PCA) Figura 58 Diagrama de barras de vecinos caso de uso 2 (PCA) Figura 59 Nivel de sostenibilidad caso de uso 2 (PCA)
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 58 Verónica Elizabeth Luna Salguero En el análisis del algoritmo T-SNE para este caso, presenta en la Figura 60, indicando que tiene una distancia euclidiana promedio más cercana igual a 0.0071, con una muestra de vecinos igual a 20 mostrado en el diagrama de barras indicado en la Figura 61, generando una posición de nivel 2 lo que significa una sostenibilidad media, con una posibilidad de alrededor del 98.99857 % , indicado en la Figura 62. Figura 60 Algoritmo T-SNE caso de uso 2 Figura 61 Diagrama de barras de vecinos caso de uso 2 (T-SNE)
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 59 Verónica Elizabeth Luna Salguero Figura 62 Nivel de sostenibilidad caso de uso 2 (T-SNE) Se muestra el algoritmo UMAP, indicado en la Figura 63, teniendo una distancia euclidiana promedio más cercana igual a 1041.707, con un número de vecinos igual a 20 indicado en la Figura 64Figura 55, generando un posición 2 significando una sostenibilidad media, con una posibilidad de alrededor del 94.53173 %, mostrado en la Figura 65. Figura 63 Algoritmo UMAP caso de uso 2
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 60 Verónica Elizabeth Luna Salguero Figura 64 Diagrama de barras vecinos caso de uso 2 (UMAP) Figura 65 Nivel de sostenibilidad caso de uso 2 (UMAP) Una vez realizado el cálculo correspondientes a cada técnica, nos muestra los valores indicados en la Tabla 18, donde podemos identificar que el nivel predominante para las técnicas implementadas corresponde al 2, con un porcentaje de sostenibilidad del 98,99857%, el cual le correspondería el mejor performance para el algoritmo T-SNE. Determinando así, que a la cantidad de 10000 datos el algoritmo con mayor rendimiento es el T-SNE. Tabla 18 Comparativa caso de uso 2 con técnicas implementadas DATO POSICIÓN: 10035 NIVEL INICIAL: 2 ALGORITMO DISTANCIA NIVEL PORCENTAJE (%) PCA 0,0072 2 98,99855 T-SNE 0,0071 2 98,99857 UMAP 1041,707 2 94,53173
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 61 Verónica Elizabeth Luna Salguero 5. Conclusiones La innovación constante en el mercado de automoción eléctrica ha generado modelos de negocio variables en la última década, esto ha sido identificado claramente en el estado del arte, donde los ejes principales del nicho de negocio, determinan las principales variables para proponer un modelo de negocio con un índice de sostenibilidad aceptable, en consecuencia los factores mencionados comprenden variables económicas tomando en cuenta el costo de los vehículos eléctricos, así como el costo de la batería, la variable social enlazada a la acogida que presentan los vehículo eléctricos en su uso hoy en día, la variable medio ambiental enfocada al nivel de emisiones de CO2 que están presentes en el ambiente y por último la variable técnica que analiza la densidad energética y el estado de salud de las baterías. De esta manera la creación de una base de datos fue inminente, dando como resultado un conjunto de datos de alrededor de 10000 valores con ocho clases particulares, que incluyen la posición y el nivel del dato para realizar cualquier consulta del valor de un conjunto de datos deseado, los cuales representan casos específicos de sostenibilidad. Finalmente se concluye este estudio, con la creación y análisis de una herramienta capaz de clasificar mediante algoritmos de redes neuronales la proyección de un conjunto de datos específico dados por el usuario, el cual muestra el nivel de sostenibilidad y la posibilidad de que este se cumpla, así hemos determinado que el mejor algoritmo de la herramienta Embedding Projector para nuestro dataset es el algoritmo T-SNE por el porcentaje de certeza del 98,9% y su forma de clasificación. 6. Trabajo Futuros El estudio de modelos de negocio ha presentado importancia evidenciada en la literatura con sus principales factores de análisis presentes en esta investigación, lo que da lugar a la necesidad de crear nuevas bases de datos para la aplicación en innovadores modelos específicos de redes neuronales, que contengan otros tipos de aprendizaje a lo aplicados en el desarrollo de la herramienta planteada, definiendo también como futuras líneas de investigación la inclusión de la herramienta en la creación de políticas técnicas y tecnológicas de desarrollo mediante inteligencias artificiales específicas que permitan establecer modelos de negocio sostenible.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 62 Verónica Elizabeth Luna Salguero Referencias [1] N. Bocken, S. Short, P. Rana y S. Evans, «A literature and practice review to develop sustainable business model archetypes,» Journal of Cleaner Production, vol. 65, pp. 42-56, 2014. [2] S. Schaltegger, E. G. Hansen y F. Lüdeke-Freund, «Business Models for Sustainability: Origins, Present Research, and Future Avenues,» SAGE journals Organization & Environment, pp. 3-10, 2015. [3] P. Rana, N. M. Bocken y S. Short, «Value mapping for sustainable business thinking,» Journal of Industrial and Production Engineering, vol. 32, pp. 67-81, 2015. [4] RankiaPro, «Los vehículos eléctricos (VEs) pasan a formar parte de las mega-tendencias clave,» 22 Noviembre 2018. [En línea]. Available: https://es.rankiapro.com/los-vehiculoselectricos-ves-pasan-a-formar-parte-de-las-mega-tendencias-clave/. [Último acceso: 11 Noviembre 2020]. [5] G. García, «Híbridos y Eléctricos,» 13 Agosto 2019. [En línea]. Available: https://www.hibridosyelectricos.com/articulo/sector/coches-electricos-dominaranmercado-antes-2040/20190812194913029572.html. [Último acceso: 28 Diciembre 2020]. [6] C. Argue, «GEOTAB, Vehículos eléctricos,» 07 Julio 2020. [En línea]. Available: https://www.geotab.com/blog/ev-battery-health/. [Último acceso: 18 Febrero 20121]. [7] D. Murias, «El coche eléctrico más barato se acerca: el precio de las baterías baja de los 100 dólares el kWh por primera vez en la historia,» 18 Diciembre 2020. [En línea]. Available: https://www.motorpasion.com/industria/primera-vez-historia-precio-bateriaspara-vehiculos-electricos-ha-bajado-100-dolares-kwh. [Último acceso: 15 Marzo 2021]. [8] Bloomberg, «Perspectivas de vehículos eléctricos 2020,» 2020. [En línea]. Available: https://about.bnef.com/electric-vehicle-outlook/. [Último acceso: 09 Noviembre 2020]. [9] A. González, «Híbridos y Eléctricos,» 02 Agosto 2020. [En línea]. Available: https://www.hibridosyelectricos.com/articulo/actualidad/coches-electricos-mas-vendidosprimera-mitad-2020/20200731152528037036.html. [Último acceso: 21 Enero 2021]. [10] «ANFAC La Movilidad del Futuro,» 22 Octubre 2020. [En línea]. Available: https://anfac.com/actualidad/notas-de-produccion-y-exportacion/las-fabricas-deautomoviles-espanolas-aumentan-la-produccion-un-122-en-el-mes-de-septiembre/. [Último acceso: 05 Febrero 2021]. [11] E. Wood, A. Marcus y T. H. Bradley, «Investigation of battery end-of-life condictions for plug-in hybrid electric vehicles,» Journal of Power Sources, vol. 196, pp. 5147-5154, 2011. [12] A. A. Serra Palerm, «Estudio del Impacto en el Análisis de ciclo de vida de dar o no una segunda vida a las baterías de Vehículos eléctricos, Tesis de Grado, UPC,» 12 Junio 2015. [En línea]. Available: http://hdl.handle.net/2117/99561. [Último acceso: 11 Noviembre 2020]. [13] B. Demil y X. Lecocq, «Business model evolution: in search of dynamic consistency.,» Long Range Planning, vol. 43, pp. 227-246, 2010. [14] A. Osterwalder, Y. Pigneur y C. L. Tucci, «Clarifying Business Models: Origins, Presente and Future of the Concept,» AIS eLibrary, p. 16, 2005. [15] A. Tukker, «Product services for a resource-efficient and circular economy-a review,» Journal of Cleaner Production, vol. 97, pp. 76-91, 2015. [16] P. Rana y S. Short, «Value mapping for sustainable business thinking,» Journal of Industrial and Production Engineering, vol. 32, pp. 67-81, 2015.
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 63 Verónica Elizabeth Luna Salguero [17] F. Lüdeke-Freund, «Towards a concetual framework of business models for sustainability,» In European Roundtable on Sustainable Consumption and Production (ERSCP) - Environmental Management of Sustainable Universities (EMSU), pp. 1-28, October 2010. [18] B. Amante García, L. Canals Casals y M. González Benítez, «SECOND LIFE FOR ELECTRIC CAR BATTERIES: GOOD IDEAS-BAD BUSINESSES,» DYNA Ingeniería e Industria, vol. 89, pp. 4650, 2014. [19] I. Mártil, «Material Eléctrico,» 21 Febrero 2019. [En línea]. Available: https://blogs.cdecomunicacion.es/ignacio/2019/02/21/funcionamiento-de-una-bateriade-ion-litio-pros-y-contras/. [Último acceso: 11 Noviembre 2020]. [20] P. Miralda Calderón, «Estudio técnico, económico y ambiental de posibles alternativas de utilización de baterías de coche eléctrico en segunda vida dentro del entorno de la fábrica SEAT de Matorell, Trabajo Fin de Máster, UPC,» 15 Enero 2020. [En línea]. Available: http://hdl.handle.net/2117/183999. [Último acceso: 09 Noviembre 2020]. [21] P. Pérez-Cabrero Bassols y I. López Trucharte, «Estudi de la viabilitat tecnològica i econòmica de l'ùs de bateries de segona vida, Tesis de Grado, UPC,» Junio 2018. [En línea]. Available: http://hdl.handle.net/2117/120418. [Último acceso: 11 Noviembre 2020]. [22] D. Yuanli, C. Zachary P, Y. Aiping, L. Jun y C. Zhongwei, «Automotive Li-Ion Batteries: Current Status and Future Perspectives,» Electrochemical Energy Reviews, pp. 1-28, 2019. [23] H. Mahammad A, H. Md Murshadul, H. Aini, Y. Yushaizad y J. K. Pin, «State-of-the-Art and Energy Management System of Lithium-Ion Batteries in Electric Vehicle Applications: Issues and Recommendations,» SPECIAL SECTION ON ADVANCED ENERGY STORAGE TECHNOLOGIES AND THEIR APPLICATIONS, vol. 6, pp. 19362-19378, 2018. [24] F. M. Pillco Valladolid, «Análisis y modelado de baterías de Ion Litio para vehículos eléctricos,» 2018. [En línea]. Available: http://dspace.ucuenca.edu.ec/bitstream/123456789/30316/1/Trabajo%20de%20titulaci% C3%B3n.pdf?fbclid=IwAR2rvfpjAYwn8Z82PHMawZogwonLgZ3oIBOH4f3kr0u94PywWgjnDo NEz4w. [Último acceso: 22 Febrero 2021]. [25] E. Soto Sepúlveda, «Baterías: la siguiente revolución de la energía,» 29 Septiembre 2017. [En línea]. Available: https://www.phineal.com/baterias-la-siguiente-revolucion-de-laenergia/. [Último acceso: 15 Febrero 2021]. [26] A. A. Contreras Sillero y N. Vázquez Nava, «REVISIÓN DE MÉTODOS PARA LA ESTIMACIÓN DE LOS ESTADOS DE CARGA Y SALUD DE UNA BATERÍA, Tecnológico Nacional de México en Celaya,» Pistaa Educativas, pp. 352-368, 2018. [27] D. Le y X. Tang, «Lithium-ion Battery State of Health Estimation Using Ah-V Characterization,» Annual Conference of the Prognostics and Health Management Society 2011, vol. 2, nº 044, 2011. [28] X. Serrano Ponce, «Estudio de viabilidad técnica de la utilización de baterías de coche eléctrico para alimentar objetos conectados, Trabajo Fin de Master, UPC,» 20 Marzo 2020. [En línea]. Available: http://hdl.handle.net/2117/329937. [29] J. Martínez Bartran, «Métodos de estimación del estado de carga de,» Abril 2017. [En línea]. Available: https://core.ac.uk/download/pdf/87655074.pdf. [Último acceso: 19 Febrero 2021]. [30] J. Guembe Zabaleta, I. San Martin Biurrun y J. M. Pascual Miqueleiz, «Cálculo del estado de carga en baterías de plomo-ácido: diseño y validación experimental,» 28 Junio 2016. [En línea]. Available: https://academicae.unavarra.es/xmlui/bitstream/handle/2454/21830/TFG_GuembeZabaleta.pdf?sequence= 1&isAllowed=y. [Último acceso: 20 Febrero 2021]. [31] D. Durán Redondo, «Estudio para la reutilización de baterías de coches eléctricos para
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 70 Verónica Elizabeth Luna Salguero writer = SummaryWriter() writer.add_embedding(vectors, metadata) #writer.add_graph(vectors, metadata) writer writer.close() !kill 534 %reload_ext tensorboard %tensorboard --logdir=runs Anexo E: Programación de datos por posición import pandas as pd import numpy as np import tensorflow as tf import tensorboard as tb tf.io.gfile = tb.compat.tensorflow_stub.io.gfile from torch.utils.tensorboard import SummaryWriter df = pd.read_csv('/content/DATOS - DATA.csv') df1 = pd.read_csv('/content/DATOS - DATAITEM.csv') #headers = np.array(df.items,df.columns) # get headers values = df.values # numpy array of values values1 = df1.values # numpy array of values matrix = np.concatenate([values]) # append to the final matrix matrix1 = np.concatenate([values1]) # append to the final matrix vectors = matrix metadata=matrix1 writer = SummaryWriter() writer.add_embedding(vectors, metadata) #writer.add_graph(vectors, metadata) writer writer.close() Anexo F: Programación valor distancia euclidiana import matplotlib import matplotlib.pyplot as plt import numpy as np labels = [0.007,0.019,0.022,0.026,0.027,0.029,0.032,0.033,0.036,0.038,0.0 39,0.039,0.040,0.041,0.042,0.044,0.045,0.045,0.047,0.048] nivel = [2,3,2,2,2,2,3,2,2,2,2,2,2,2,3,1,1,2,2,1] suma=sum(labels) vector=np.array(nivel) mean=np.mean(vector) level=round(mean) ###mean dist vector1=np.array(labels) mean1=np.mean(vector1)
Estudio de herramienta de análisis para medir los modelos de negocio sostenibles dentro del sector de la automoción. 71 Verónica Elizabeth Luna Salguero dis=round(mean1) num=0 for i in labels: if i>=dis: st=i break num=num+1 xp=(100*st)/suma xp=100-xp sle='' if level==1: sle='bajo' if level==2: sle='medio' if level==3: sle='alto' print('Distancia euclidiana promedio más cercana:',st) print('Número de vecinos analizados:',len(labels)) print('Nivel:',level,'=',sle) print('Porcentaje de Sostenibilidad:',xp,'%') #graf 1 datos x = np.arange(len(labels)) # the label locations width = 0.35 # the width of the bars fig, ax = plt.subplots() rects1 = ax.bar(x - width/2, nivel, width, label='Distancia euclidiana') ax.set_ylabel('Nivel') ax.set_title('Frecuencia de datos') ax.set_xticks(x) #ax.set_xticklabels(labels) ax.legend() xp1=[0,xp] level3=[0,level] fig.tight_layout() plt.show() fig, ax = plt.subplots() rects1 = ax.plot(level3,xp1,color = 'r',alpha = 0.5, label = 'Curva de So stenibilidad') ax.scatter(level3,xp1,color = 'b',alpha = 0.5) fig.tight_layout() ax.set_ylabel('Porcentaje de Sostenibilidad') ax.set_title('Nivel') ax.legend() plt.show()