Lo que impulsa Sympheny — y lo que no lo hace.
Una explicación clara de cómo utiliza Sympheny las matemáticas, la inteligencia de datos y el aprendizaje automático — y precisamente qué ocurre con sus datos.
Tres capas diferenciadas — cada una transparente y con propósito.
Sympheny opera en tres capas. Solo la primera interviene en los cálculos reales. Las otras dos apoyan la preparación de datos y, opcionalmente, la previsión de la demanda — nunca la optimización en sí.
El núcleo de Sympheny es un motor de Programación Lineal Entera Mixta (MILP) — un enfoque matemático riguroso utilizado en ingeniería e investigación operativa. Encuentra la configuración óptima del sistema energético dados sus condicionantes técnicos, económicos y regulatorios.
Cada resultado es totalmente determinista y auditable: los mismos datos de entrada siempre producen los mismos resultados, y cada recomendación puede trazarse hasta sus ecuaciones subyacentes. No hay ninguna caja negra, ni ninguna IA en los cálculos.
Para gestionar de forma eficiente los datos energéticos del mundo real, Sympheny aplica métodos estadísticos de agrupamiento consolidados — incluyendo OPTICS, DBSCAN, k-medoids y k-means — para identificar patrones de demanda típicos y perfiles de carga a partir de sus datos de entrada.
Estos métodos son desarrollados y mantenidos íntegramente por el equipo de Sympheny. Sus datos se procesan dentro de la plataforma y nunca se transmiten a modelos externos ni se utilizan para entrenar ningún sistema.
Cuando usted lo activa, Sympheny puede aplicar modelos de aprendizaje automático para asistir en la previsión de la demanda. Estos modelos se entrenaron exclusivamente con datos sintéticos y generados en investigación a partir de estudios controlados — nunca con datos de ningún cliente.
Esta función está inactiva por defecto. Usted decide si activarla, y esa elección no afecta a las capacidades centrales de optimización de la plataforma.
Sympheny está construido sobre un núcleo MILP matemáticamente riguroso, mejorado con inteligencia de datos propia y previsión de demanda opcional basada en ML — con plena transparencia y sin utilizar jamás los datos de clientes para el entrenamiento de modelos.
¿Necesita documentación para el proceso de compras?
Podemos facilitar un Acuerdo de Tratamiento de Datos, la lista de subencargados del tratamiento y una descripción técnica de los componentes de IA de la plataforma previa solicitud. Hable con nosotros antes del proceso de compras — hacemos que la revisión sea sencilla.