Desarrollar Prototipar y Validar un Modelo Experimental Predictor de Óptimo para Costos de Inversión y Operación (opex y Capex) de Sistemas de Calefacción y Agua Caliente Sanitaria (acs) en Hogares y Edificaciones Utilizando Machine Learning y Data Driven Approach con un Mínimo de Variables de Entrada y Alto Grado de Confiabilidad que Permita Comparar Costos de Inversión y Operación de Distintas Soluciones de Calefacción y Agua Caliente Disponibles en el Mercado de Manera Fácil e Intuitiva.Desarrollar un Modelo Experimental Utilizando Machine Learning Basado en Datos Reales de Costos de Inversión y Operación de Sistemas de Calefacción y Agua Caliente Sanitaria en Base al Consumo de Gas de los Clientes Metrogas Datos Reales de Información Histórica de Clientes Precios del Mercados y Cotizaciones Históricas de Diversas Tecnologías de Calefacción y Acs. Reducir los Parámetros de Entrada del Modelo Experimental de Estimación de Costos (inversión y Operación) Determinando los Parámetros de Entrada Prioritarios que Influyen en la Estructura de Costos y el Cálculo de la Demanda Energética con una Alta Confiabilidad. Embeber el Modelo Predictor Experimental en un Prototipo de Interfaz de Usuario para su Prueba por Parte de la Compañía en Actuales Proyectos para Potenciales Clientes Controlar el Eficiente Avance Tecnológico y Financiero del Proyecto Asegurando el Desarrollo de los Entregables de I+d Comprometidos en Tiempo Alcance Forma y CostoLa Toma de Decisiones de Inversión en Sistemas de Calefacción y Agua Caliente Sanitaria (acs) es de Manera Arbitraria sin Considerar Cálculos de Eficiencia y Eficacia en Capex y Opex del Sistema Ineficiencias que la Empresa Constructora/inmobiliaria Absorbe y Traspasa a los Clientes Finales. Se Propone el Desarrollo de un Modelo Predictor a Escala Prototipo que Permita Identificar el Óptimo de Sistema de Calefacción y Acs para Cada Edificio Según sus Características de Diseño. Etapas: -desarrollo de Modelo Experimental Predictor Óptimo de Capex y Opex de Calefacción y Acs con Gran Volumen de Data Levantada y Alto Grado de Confiabilidad - Reducción de Parámetros del Modelo Manteniendo Nivel de Confiabilidad Generando un Modelo Reducido - Embebido del Modelo Predictor Reducido en Prototipo de Interfaz para su Prueba y Validación con Actuales Proyectos Controlar el Avance Tecnológico y Financiero del Proyecto Periodo: 10 Meses Transf. Tecnológica: Licenciamiento de Resultados de I+dCorporación de Fomento de la Producción