OPERATIONAL

1 Configuración y Carga de Datos

##### UNIVERSIDAD CENTRAL DEL ECUADOR #####
#### AUTOR: MARTIN SARMIENTO ####
### CARRERA: INGENIERÍA EN PETRÓLEOS #####


#### VARIABLE ESTADO OPERATIVO ####
## DATASET ##
setwd("~/R/OPERATIONAL_STATUS")
# Cargar dataset
Datos <- read.csv("DataSet_.csv", sep = ";", fileEncoding = "latin1")
# Estructura de los datos
str(Datos)

## 'data.frame':    7142 obs. of  26 variables:
##  $ fid                  : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ objectid             : int  127 128 129 130 131 132 133 134 135 136 ...
##  $ code                 : chr  "Arg-00001" "Arg-00002" "Arg-00003" "Arg-00004" ...
##  $ country              : chr  "Argentina" "Argentina" "Argentina" "Argentina" ...
##  $ plant_name           : chr  "Aconcagua solar farm" "Aconcagua solar farm" "Altiplano 200 Solar Power Plant" "Altiplano 200 Solar Power Plant" ...
##  $ operational_status   : chr  "announced" "announced" "operating" "operating" ...
##  $ longitude            : num  -68.9 -68.9 -66.9 -66.9 -68.9 ...
##  $ latitude             : num  -33 -33 -24.1 -24.1 -33.3 ...
##  $ elevation            : int  929 929 4000 4000 937 865 858 858 858 858 ...
##  $ area                 : num  0 0 4397290 5774 0 ...
##  $ slope                : num  0.574 0.574 1.603 6.243 0.903 ...
##  $ slope_type           : chr  "Plano o casi plano" "Plano o casi plano" "Plano o casi plano" "Moderado" ...
##  $ curvature            : num  0.000795 0.000795 -0.002781 -0.043699 0.002781 ...
##  $ curvature_type       : chr  "Superficies planas o intermedias" "Superficies planas o intermedias" "Superficies planas o intermedias" "Superficies cóncavas / Valles" ...
##  $ aspect               : num  55.1 55.1 188.7 270.9 108.4 ...
##  $ aspect_type          : chr  "Northeast" "Northeast" "South" "West" ...
##  $ ghi                  : num  6.11 6.11 8.01 7.88 6.12 ...
##  $ solar_aptitude       : num  0.746 0.746 0.8 0.727 0.595 ...
##  $ solar_aptittude_class: chr  "Alta" "Alta" "Alta" "Alta" ...
##  $ humidity             : num  0 0 53.7 53.7 0 ...
##  $ wind_speed           : num  3.78 3.78 7.02 8.33 3.87 ...
##  $ wind_direction       : num  0 0 55.1 55.1 0 ...
##  $ ambient_temperature  : num  12.6 12.6 6.8 6.8 13.1 ...
##  $ optimal_tilt         : int  31 31 26 26 31 33 30 30 30 30 ...
##  $ peak_power_per_hour  : num  4.98 4.98 6.39 6.39 4.97 ...
##  $ total_power          : num  25 66.2 101 107 180 ...

# Cargamos las librerias
library(dplyr)

## 
## Adjuntando el paquete: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)
library(gt)

2 Extracción y Conteo Inicial

#Extraer variable
Status <- Datos$operational_status
# EDAvariable nominal
TDF_status <- table(Status)

tabla_status <- as.data.frame(TDF_status)
hi <- tabla_status$Freq/sum(tabla_status$Freq)
hi_porc <- hi*100
sum(hi_porc)

## [1] 100

tabla_STATUS <- data.frame(tabla_status,hi_porc)

colnames(tabla_STATUS)[1] <- "Status"

3 Categorización y Ordenamiento Lógico

### Agrupación ###
tabla_resumen <- tabla_STATUS %>%
  mutate(grupo = case_when(
    grepl("cancelled - inferred 4 y", Status, ignore.case = TRUE) ~ "Cancelado (Inferred 4y)",
    grepl("shelved - inferred 2 y", Status, ignore.case = TRUE) ~ "Archivado (Inferred 2y)",
    grepl("operating", Status, ignore.case = TRUE) ~ "Operativo",
    grepl("announced", Status, ignore.case = TRUE) ~ "Anunciado",
    grepl("pre-construction", Status, ignore.case = TRUE) ~ "Pre-Construcción", 
    grepl("construction", Status, ignore.case = TRUE) ~ "Construcción",
    grepl("mothballed", Status, ignore.case = TRUE) ~ "Inactivo (Mothballed)",
    grepl("shelved", Status, ignore.case = TRUE) ~ "Archivado (Shelved)",
    grepl("cancelled", Status, ignore.case = TRUE) ~ "Cancelado",
    
    TRUE ~ "Otros"))

# Definimos el orden
orden_especifico <- c(
  "Operativo",
  "Anunciado",
  "Construcción",
  "Pre-Construcción",
  "Inactivo (Mothballed)",
  "Archivado (Shelved)",
  "Archivado (Inferred 2y)",
  "Cancelado",
  "Cancelado (Inferred 4y)",
  "Otros")

tabla_resumen <- tabla_resumen %>%
  mutate(grupo = factor(grupo, levels = orden_especifico)) %>%
  group_by(grupo) %>% 
  summarise(
    Frecuencia = sum(Freq),
    Porcentaje = sum(hi_porc)) %>%
  arrange(grupo)

# Renombramos columnas
colnames(tabla_resumen) <- c("Estado","ni","hi (%)")

# Tabla Intermedia GT
tabla_resumen_gt <- tabla_resumen %>%
  gt() %>%
  tab_header(
    title = md("**TABLA DE AGRUPACIÓN**"), 
    subtitle = "Frecuencias por Estado Operativo (Orden Específico)") %>%
  tab_source_note(source_note = "Autor: Martin Sarmiento") %>%
  cols_label(
    Estado = "Estado Operativo",
    ni = "Frecuencia (ni)",
    `hi (%)` = "Porcentaje (hi%)") %>%
  fmt_number(columns = c(`hi (%)`), decimals = 2) %>%
  tab_options(
    heading.title.font.size = px(16),
    heading.subtitle.font.size = px(14),
    column_labels.background.color = "#f0f0f0")

# Mostramos la tabla 
tabla_resumen_gt

Estado Operativo	Frecuencia (ni)	Porcentaje (hi%)
TABLA DE AGRUPACIÓN
Frecuencias por Estado Operativo (Orden Específico)
Operativo	3035	42.50
Anunciado	93	1.30
Construcción	161	2.25
Pre-Construcción	3412	47.77
Inactivo (Mothballed)	2	0.03
Archivado (Shelved)	37	0.52
Archivado (Inferred 2y)	105	1.47
Cancelado	267	3.74
Cancelado (Inferred 4y)	29	0.41
Otros	1	0.01
Autor: Martin Sarmiento

4 Tabla de Distribución de Frecuencias

#### Crear de fila de totales ####
tabla_resumen$Estado <- as.character(tabla_resumen$Estado)
totales <- c("TOTAL", sum(tabla_resumen$ni, na.rm=TRUE), sum(tabla_resumen$`hi (%)`, na.rm=TRUE))
tabla_Status_Final <- rbind(tabla_resumen, totales)

# Convertir a números para GT
tabla_Status_Final$ni <- as.numeric(tabla_Status_Final$ni)
tabla_Status_Final$`hi (%)` <- as.numeric(tabla_Status_Final$`hi (%)`)

# TABLA 1
tabla_final_gt <- tabla_Status_Final %>%
  gt() %>%
  tab_header(
    title = md("**TABLA 1**"), 
    subtitle = "Distribución Detallada del Estado Operativo") %>%
  tab_source_note(source_note = "Autor: Martin Sarmiento") %>%
  cols_label(
    Estado = "Estado Operativo",
    ni = "Frecuencia (ni)",
    `hi (%)` = "Porcentaje (hi%)") %>%
  fmt_number(columns = c(`hi (%)`), decimals = 2) %>%
  tab_options(
    heading.title.font.size = px(16),
    heading.subtitle.font.size = px(14),
    column_labels.background.color = "#f0f0f0")

tabla_final_gt

Estado Operativo	Frecuencia (ni)	Porcentaje (hi%)
TABLA 1
Distribución Detallada del Estado Operativo
Operativo	3035	42.50
Anunciado	93	1.30
Construcción	161	2.25
Pre-Construcción	3412	47.77
Inactivo (Mothballed)	2	0.03
Archivado (Shelved)	37	0.52
Archivado (Inferred 2y)	105	1.47
Cancelado	267	3.74
Cancelado (Inferred 4y)	29	0.41
Otros	1	0.01
TOTAL	7142	100.00
Autor: Martin Sarmiento

5 Gráfico 1 – Frecuencia local

# Diagrama de barrras local ni
par(mar = c(12, 4, 4, 2)) 
barplot(tabla_resumen$ni,
        main="Gráfica N°1: Distribución del estado operativo",
        xlab = "",
        ylab = "Cantidad", 
        col = "#D8BFD8", 
        names.arg=tabla_resumen$Estado,         
        cex.names = 0.6,
        las = 2)
mtext("Estado Operativo", side = 1, line = 10)

6 Gráfico 2 – Frecuencia global

# Diagrama de barrras global ni
par(mar = c(12, 4, 4, 2)) 
barplot(tabla_resumen$ni,
        main="Gráfica N°2: Distribución Global",
        xlab = "", 
        ylab = "Cantidad", 
        col ="#D8BFD8", 
        ylim = c(0,8000), 
        names.arg=tabla_resumen$Estado,         
        cex.names = 0.6, 
        las = 2)
mtext("Estado Operativo", side = 1, line = 10)

7 Gráfico 3 – Porcentaje local

# Diagrama de barrras local hi
par(mar = c(12, 4, 4, 2))
barplot(tabla_resumen$`hi (%)`,
        main="Gráfica N°3: Distribución porcentual",
        xlab = "", 
        ylab = "Porcentaje %", 
        col = "#D8BFD8", 
        names.arg=tabla_resumen$Estado,         
        cex.names = 0.6, 
        las = 2)
mtext("Estado Operativo", side = 1, line = 10)

8 Gráfico 4 – Porcentaje global

# Diagrama de barrras global hi
par(mar = c(12, 4, 4, 2))
barplot(tabla_resumen$`hi (%)`,
        main="Gráfica N°4: Distribución porcentual global",
        xlab = "", 
        ylab = "Porcentaje %", 
        col = "#D8BFD8", 
        ylim = c(0,100),
        names.arg=tabla_resumen$Estado,         
        cex.names = 0.6, 
        las = 2)
mtext("Estado Operativo", side = 1, line = 10)

9 Gráfico 5 – Diagrama Circular

# Diagrma circular
par(mar = c(5, 6, 4, 10), xpd = TRUE)

labels_formato <- paste0(round(tabla_resumen$`hi (%)`, 2), "%")

tonos_base <- c("#4A148C", "#7B1FA2", "#AB47BC", "#CE93D8", "#F3E5F5")

paleta_violeta <- colorRampPalette(tonos_base)
colores_finales <- paleta_violeta(length(tabla_resumen$Estado))

pie (tabla_resumen$`hi (%)`,
     main = "Gráfica N°5: Distribución porcentual del estado operativo",
     radius = 1,
     labels = paste0(round(tabla_resumen$`hi (%)`,2),"%"),
     col = colores_finales,
     cex = 0.6,)

# Leyenda del diagrama circular
legend(x = 1.25, y = 1,
       legend = tabla_resumen$Estado,
       fill = colores_finales,
       cex = 0.5, 
       title = "Estado Operativo")

10 Tabla de Conlusiones

# Tabla de conclusiones
tabla_indicadores <- data.frame(
  "Variable" = "Estado Operativo",
  "Rango" = "Ciclo de vida del proyecto (Ordinal)", 
  "X" = "-", "Me" = "-", 
  "Mo" = "Anunciado / Operativo", 
  "V" = "-", "Sd" = "-", "Cv" = "-", "As" = "-", "K" = "-", 
  "Valores_Atipicos" = "-")

tabla_conclusiones_gt <- tabla_indicadores %>%
  gt() %>%
  tab_header(
    title = md("**CONCLUSIONES**"),
    subtitle = "Análisis de la variable Estado Operativo") %>%
  tab_source_note(source_note = "Autor: Martin Sarmiento") %>%
  cols_label(Valores_Atipicos = "Valores Atípicos") %>%
  tab_options(column_labels.background.color = "#f0f0f0")

tabla_conclusiones_gt

Variable	Rango	X	Me	Mo	V	Sd	Cv	As	K	Valores Atípicos
CONCLUSIONES
Análisis de la variable Estado Operativo
Estado Operativo	Ciclo de vida del proyecto (Ordinal)	-	-	Anunciado / Operativo	-	-	-	-	-	-
Autor: Martin Sarmiento

OPERATIONAL_STATUS

MARTIN SARMIENTO

2025-11-27

1 Configuración y Carga de Datos

2 Extracción y Conteo Inicial

3 Categorización y Ordenamiento Lógico

4 Tabla de Distribución de Frecuencias

5 Gráfico 1 – Frecuencia local

6 Gráfico 2 – Frecuencia global

7 Gráfico 3 – Porcentaje local

8 Gráfico 4 – Porcentaje global

9 Gráfico 5 – Diagrama Circular

10 Tabla de Conlusiones