Diversificación energética, descarbonización y reducción de costos en la industria brasileña: estimaciones de escenarios posibles

Autores/as
DOI:
https://doi.org/10.47456/bjpe.v12i3.51065
Palabras clave:
sostenibilidad, mitigación, efecto invernadero, métodos computacionales
Resumen

Esta investigación tuvo como objetivo evaluar cómo los cambios en la participación relativa de las fuentes energéticas que componen el balance energético de la industria brasileña pueden afectar los gastos totales en la compra de electricidad y el consumo de combustibles de este importante segmento económico. A partir de datos recopilados de la Empresa de Investigación Energética (EPE) y del Instituto Brasileño de Geografía y Estadística (IBGE), se realizaron simulaciones y análisis mediante técnicas de aprendizaje automático basadas en redes neuronales artificiales de tipo perceptrón multicapa (MLP-ANN), apoyadas por el método de remuestreo aleatorio con reemplazo (bootstrap). Los resultados permitieron evaluar 12 escenarios de diversificación del mix energético industrial, desarrollados a partir de modelos con 16 observaciones históricas (2007-2022) y remuestreo bootstrap de hasta 1.000 observaciones simuladas, identificando alternativas capaces de reducir los costos energéticos en un contexto en el que dichos gastos presentaron un aumento acumulado del 379% durante el período analizado.

Biografía del autor/a
  1. Carlos Roberto Souza Carmo, Universidade Federal de Uberlândia

    Doutor em Agronomia com ênfase em Energia na Agricultura pela Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP) (2020). Pós-doutorado em "Modelagem e Simulação do Impacto das Alterações na Matriz Energética Brasileira sobre Emissões de Carbono e Custos da Indústria Via Redes Neurais Artificiais", pela Universidade de São Paulo (USP) (2024). Mestre em Ciências Contábeis pela Pontifícia Universidade Católica de São Paulo (PUC-SP) (2008). Especialização em Ciência de Dados e Big Data Analytics (2024). Especialização em Data Mining (2024). Especialização em Análise e Desenvolvimento de Sistemas em Python (2023). MBA em Controladoria e Finanças (2001). Bacharel em Ciências Contábeis (1999). Professor adjunto da Faculdade de Ciências Contábeis da Universidade Federal de Uberlândia (FACIC-UFU). Tem experiência nas áreas de Ciências Contábeis, Métodos Quantitativos Aplicados e Educação. https://orcid.org/0000-0002-3806-9228

  2. Murilo Miceno Frigo, Instituto Federal de Educação Ciência e Tecnologia do Mato Grosso do Sul

    raduado em engenharia elétrica pela Universidade Federal de Mato Grosso do Sul (2010). Mestrado em Engenharia Elétrica pela UFMS (2013), área de pesquisa : Energia, Planejamento, Operação e Controle de Sistemas Elétricos. Atualmente professor EBTT no Instituto Federal de Mato Grosso do Sul (IFMS) nos cursos de Técnico em Eletrotécnica e Tecnologia de Automação Industrial. Foi professor do Curso de Engenharia Elétrica Universidade Federal do Tocantins - UFT (2013-2016). Desenvolve pesquisa e extensão nas áreas de gestão e eficiência energética, fontes alternativas de energia e educação aplicada ao ensino profissional e tecnológico. https://orcid.org/0000-0002-2499-7592

     
  3. Fernando de Lima Caneppele, Universidade de São Paulo

    Prof. Dr. Fernando de Lima Caneppele é Professor Associado III na Universidade de São Paulo (USP), Campus de Pirassununga, Pesquisador do GEPEA Poli USP, Pesquisador Associado do GESEL UFRJ e foi Pesquisador do Instituto de Estudos Avançados (IEA/USP) no período de 2024-2025. Engenheiro eletricista com mestrado, doutorado, pós-doutorado e livre-docência na área energética, atua com foco em Energia de forma nexialista e é especialista em Transição Energética e no Objetivo de Desenvolvimento Sustentável 7 (ODS7). Sua trajetória acadêmica e profissional é dedicada ao setor energético, contribuindo para pesquisas, ensino, extensão, divulgação científica, treinamentos e consultorias. https://orcid.org/0000-0003-4498-8682

Referencias

Ali, K., Jianguo, D., Kirikkaleli, D., Mentel, G., & Altuntaş, M. (2023). Testing the role of digital financial inclusion in energy transition and diversification towards COP26 targets and sustainable development goals. Gondwana Research, 121, 293-306. https://doi.org/10.1016/j.gr.2023.05.006

Araújo, O. de Q. F., Morte, I. B. B., Borges, C. L. T., Morgado, C. R. V., & Medeiros, J. L. de. (2024). Beyond clean and affordable transition pathways: A review of issues and strategies to sustainable energy supply. International Journal of Electrical Power & Energy Systems, 155(A), 109544. https://doi.org/10.1016/j.ijepes.2023.109544

Bergman-Fonte, C., Silva, G. N. da, Império, M., Draeger, R., Coutinho, L., Cunha, B. S. L., Rochedo, P. R. R., Szklo, A., & Schaeffer, R. (2023). Repurposing, co-processing and greenhouse gas mitigation. The Brazilian refining sector under deep decarbonization scenarios. Energy, 282, 128435.

Braglia, M., Castellano, D., Gabbrielli, R., & Marrazzini, L. (2020). Energy Cost Deployment (ECD): A novel lean approach to tackling energy losses. Journal of Cleaner Production, 246, 119056. https://doi.org/10.1016/j.jclepro.2019.119056

Collins, S. D., Peek, N., Riley, R. D., & Martin, G. P. (2021). Sample sizes of prediction model studies in prostate cancer were rarely justified and often insufficient. Journal of Clinical Epidemiology, 133, 53-60. https://doi.org/10.1016/j.jclinepi.2020.12.012

Cooper, S. J. G., Allen, S. R., Gailani, A., Norman, J. B., Owen, A., Barrett, J., & Taylor, P. (2024). Meeting the costs of decarbonising industry – The potential effects on prices and competitiveness. Energy Policy, 184, 113904. https://doi.org/10.1016/j.enpol.2023.113904

Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1), 1-26. https://doi.org/10.1214/aos/1176344552

Empresa de Pesquisa Energética. (2024). Balanço energético nacional (BEN): Séries históricas e matrizes. https://www.epe.gov.br/pt/publicacoes-dados-abertos/publicacoes/BEN-Series-Historicas-Completas

Felder, F. A. & Kumar, P. (2021). A review of existing deep decarbonization models and their potential in policymaking. Renewable and Sustainable Energy Reviews, 152, 111655. https://doi.org/10.1016/j.rser.2021.111655

Ferreira, L. H. & Bragagnolo, C. (2024). Viabilidade econômica da microgeração fotovoltaica residencial no Brasil. Estudo & Debate, 31(2), 6-29. https://doi.org/10.22410/issn.1983-036X.v31i2a2024.3558

Hamed, M. M., Mohammed, A., & Olabi, A. G. (2023). Renewable energy adoption decisions in Jordan's industrial sector. Renewable and Sustainable Energy Reviews, 184, 113568. https://doi.org/10.1016/j.rser.2023.113568

Henderson, J. & Sen, A. (2021). The energy transition: Key challenges for incumbent and new players in the global energy system (OIES Paper ET:01). Oxford Institute for Energy Studies. https://www.oxfordenergy.org/wpcms/wp-content/uploads/2021/09/Energy-Transition-Key-challenges-for-incumbent-players-in-the-global-energy-system-ET01.pdf

Heo, S., Byun, J., Ifaei, P., Ko, J., Ha, B., Hwangbo, S., & Yoo, C. (2024). Towards mega-scale decarbonized industrial park (Mega-DIP). Renewable and Sustainable Energy Reviews, 189(A), 113933. https://doi.org/10.1016/j.rser.2023.113933

Instituto Brasileiro de Geografia e Estatística. (2024). Pesquisa Industrial Anual – Empresa (PIA-EMPRESA): Tabela 1842. SIDRA. https://sidra.ibge.gov.br/tabela/1842

Liu, F. & Dai, Y. (2023). Product quality prediction method in small sample data environment. Advanced Engineering Informatics, 56, 101975. https://doi.org/10.1016/j.aei.2023.101975

Liu, H., Khan, I., Zakari, A., & Alharthi, M. (2022). Roles of trilemma in the world energy sector. Energy Policy, 170, 113238. https://doi.org/10.1016/j.enpol.2022.113238

Löfgren, Å. & Rootzén, J. (2021). Brick by brick: Governing industry decarbonization. Environmental Innovation and Societal Transitions, 40, 189-202. https://doi.org/10.1016/j.eist.2021.07.002

McRoberts, R. E., Naesset, E., Hou, Z., Ståhl, G., Saarela, S., Esteban, J., Travaglini, D., Mohammadi, J., & Chirici, G. (2023). How many bootstrap replications are necessary for estimating remote sensing-assisted errors? Remote Sensing of Environment, 288, 113455. https://doi.org/10.1016/j.rse.2023.113455

Murakoshi, K. (2005). Avoiding overfitting in multilayer perceptrons. Biosystems, 80(1), 37-40. https://doi.org/10.1016/j.biosystems.2004.09.031

Samadi, S., Fischer, A., & Lechtenböhmer, S. (2023). The renewables pull effect. Energy Research & Social Science, 104, 103257. https://doi.org/10.1016/j.erss.2023.103257

Santos, D. A., Dixit, M. K., Kumar, P. P., & Banerjee, S. (2021). Assessing the role of vanadium technologies. iScience, 24(11), 103277. https://doi.org/10.1016/j.isci.2021.103277

Santos, F. S. dos, Nascimento, K. K. F. do, Jale, J. da S., Xavier Júnior, S. F. A., & Ferreira, T. A. E. (2024). Brazilian wind energy generation potential. Renewable and Sustainable Energy Reviews, 189(B), 113990. https://doi.org/10.1016/j.rser.2023.113990

Shen, L., Dauzère-Pérès, S., & Maecker, S. (2023). Energy cost efficient scheduling. European Journal of Operational Research, 310(3), 992-1016. https://doi.org/10.1016/j.ejor.2023.04.017

Shwaiger, C., Trautner, T., & Bleicher, F. (2023). Energy-cost-optimized strategies for discrete mechanical manufacturing. Procedia CIRP, 118, 1022-7. https://doi.org/10.1016/j.procir.2023.04.171

Singh, P. K. & Chudasama, H. (2021). Conceptualizing and achieving industrial system transition. Global Environmental Change, 70, 102349. https://doi.org/10.1016/j.gloenvcha.2021.102349

Thiel, G. P. & Stark, A. K. (2021). To decarbonize industry, we must decarbonize heat. Joule, 5(3), 531-50. https://doi.org/10.1016/j.joule.2020.12.017

Treut, G. L., Lefèvre, J., Lallana, F., & Bravo, G. (2021). The multi-level economic impacts of deep decarbonization. Energy Policy, 156, 112423. https://doi.org/10.1016/j.enpol.2021.112423

Udemba, E. N., & Tosun, M. (2022). Energy transition and diversification. Energy, 239(C), 122199. https://doi.org/10.1016/j.energy.2021.122199

Waheed, R., Sarwar, S., & Wei, C. (2019). The survey of economic growth, energy consumption and carbon emission. Energy Reports, 5, 1103-15. https://doi.org/10.1016/j.egyr.2019.08.053

Wang, M., Hui, G., Pang, Y., Wang, S., & Chen, S. (2023). Optimization of machine learning approaches for shale gas production forecast. Geoenergy Science and Engineering, 226, 211719. https://doi.org/10.1016/j.geoen.2023.211719

Yang, X. & Khan, I. (2022). Dynamics among economic growth, urbanization, and environmental sustainability. Environmental Science and Pollution Research, 29, 4116-27. https://doi.org/10.1007/s11356-021-16000-z

Yi, L., Langlotz, P., Hussong, M., Glatt, M., Sousa, F. J. P., & Aurich, J. C. (2022). An integrated energy management system using double deep Q-learning. CIRP Journal of Manufacturing Science and Technology, 38, 844-60. https://doi.org/10.1016/j.cirpj.2022.08.009

Cover Image
Fotografía de un trabajador con casco blanco, gafas de protección y chaleco de seguridad verde fluorescente, caminando por un área con grandes paneles solares al fondo. La imagen presenta el título “Energía, Inteligencia Artificial e Industria” y la identificación “Carmo, Frigo & Caneppelle (2026)”. En la parte inferior aparecen los logotipos de PPGCP, UFES, Campus São Mateus, el Núcleo de Investigación en Gestión de Sistemas de Producción (NP GSP), Ingeniería de Producción y FAPES, junto con la identificación “Brazilian Journal of Production Engineering”.
Descargas
Archivos adicionales
Publicado
2026-09-15
Número
Vol. 12 Núm. 3 (2026): Edición Regular (julio - septiembre) Publicación de artículos de flujo continuo
Sección
ENERGÍA
Licencia

Derechos de autor 2026 Carmo, C. R. S., Frigo, M. M., & Caneppele, F. de L.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Todas las obras publicadas en la Revista Brasileña de Ingeniería de Producción (BJPE) están bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esto significa que: Cualquier persona puede copiar, distribuir, exhibir, adaptar, remezclar e incluso utilizar comercialmente el contenido publicado en la revista; Siempre que se reconozca debidamente a los autores y a BJPE como fuente original; No se requiere permiso adicional para la reutilización, siempre que se respeten los términos de la licencia. Esta política cumple con los principios de acceso abierto, promoviendo la amplia difusión del conocimiento científico. 🔗 Haga clic aquí para acceder a la licencia completa.

Cómo citar

Carmo, C. R. S., Frigo, M. M., & Caneppele, F. de L. (2026). Diversificación energética, descarbonización y reducción de costos en la industria brasileña: estimaciones de escenarios posibles. Brazilian Journal of Production Engineering, 12(3), 65-77. https://doi.org/10.47456/bjpe.v12i3.51065