Code
Implementación de ETL y dashboard de eficiencia para planta eólica en Patagonia
Visión general
De qué trata este proyecto.
Trabajarás en equipo de dos personas. Primero, diseñad el flujo ETL completo: extracción de archivos CSV distribuidos, transformaciones necesarias (unificación de formatos de timestamp, cálculo de eficiencia como potencia real sobre potencia teórica según curva del fabricante, detección de valores atípicos), y carga en una estructura tabular. Segundo, construid un modelo dimensional con dimensiones de tiempo, turbina, condición meteorológica y una tabla de hechos de generación. Tercero, cread un tablero de control en herramienta accesible que muestre: eficiencia por turbina y por período, comparativa con la curva de potencia del fabricante, y alertas de turbinas con eficiencia inferior al 80% durante más de 48 horas. Cuarto, documentad una consulta de análisis en línea (OLAP, por sus siglas en inglés: Online Analytical Processing) para analizar la degradación de eficiencia a lo largo del tiempo por modelo de aerogenerador. El éxito se mide por la automatización lógica del ETL, la utilidad operativa del tablero y la solidez del análisis de degradación.
El Briefing
Lo que harás y lo que demostrarás.
La empresa carece de capacidad predictiva para detectar pérdida de eficiencia en aerogeneradores, lo que genera fallos imprevistos y penalizaciones por incumplimiento de disponibilidad contractual.
Earning criteria — what you'll demonstrate
- Implementar un pipeline ETL completo sobre datos de series temporales de alta frecuencia provenientes de múltiples fuentes distribuidas
- Construir un modelo dimensional optimizado para consultas de series temporales en contextos de mantenimiento predictivo
- Diseñar visualizaciones operativas que traduzcan datos técnicos en acciones de mantenimiento preventivo
- Aplicar técnicas de análisis de series temporales para detectar degradación gradual en equipos industriales
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Ingeniero de Machine Learning
El manejo de series temporales de alta frecuencia, el pipeline de datos estructurado y la detección de anomalías son fundamentales para modelos predictivos de mantenimiento en energía renovable.
Este proyecto afina
- python-programming
- time-series-analysis
- etl-design
Científico de Datos de IoT
La experiencia con datos de sensores industriales, arquitecturas de ingestión y análisis de eficiencia equipara directamente al perfil de científico de datos en proyectos de Internet de las Cosas (IoT).
Este proyecto afina
- time-series-analysis
- data-visualization
- etl-design
Ingeniero de Datos Junior
La construcción de pipelines ETL robustos, el manejo de datos distribuidos y la documentación de arquitecturas son competencias centrales del ingeniero de datos en entornos de producción.
Este proyecto afina
- etl-design
- python-programming
- dimensional-modeling