Estimación Prospectiva de la Relación entre
Producción Refinada y Demanda Vehicular
en México

Introducción y contexto energético nacional

México enfrenta una tensión energética de carácter estructural. La producción de combustibles refinados de PEMEX solo cubre el 28% de la demanda vehicular estimada, mientras el parque vehicular registrado en el país supera los 60 millones de unidades activas y continúa en crecimiento sostenido.

Esta divergencia entre capacidad productiva y demanda interna indica que el abastecimiento nacional de gasolina y diésel ya no puede cubrirse exclusivamente con producción propia, generando una dependencia estructural creciente de importaciones energéticas. Sin embargo, la velocidad a la que se alcanzará un punto crítico de insuficiencia no ha sido cuantificada con precisión mediante modelos predictivos.

Este proyecto responde a esa necesidad. Mediante técnicas de ciencia de datos aplicadas a series históricas de SENER e INEGI/SEMARNAT, se construye un sistema analítico que cruza ambas trayectorias y estima el año en que la brecha alcanzará niveles críticos para la soberanía energética del país.

Relevancia en el marco de la Agenda 2030

El análisis se alinea directamente con cuatro Objetivos de Desarrollo Sostenible de la ONU, reconociendo que la dependencia energética tiene implicaciones económicas, sociales y climáticas que trascienden el sector petrolero.

Metodología y procesamiento de datos

El proceso metodológico integra cuatro etapas claramente delimitadas: recopilación de fuentes primarias, limpieza y estructuración, análisis exploratorio y modelado predictivo. Toda la cadena de procesamiento se implementó en Python con las bibliotecas pandas, NumPy, y herramientas de visualización.

Limpieza de datos PEMEX

El archivo original presenta un formato de series horizontales con fechas tipo Ene/1990 como encabezados de columna. El código detecta automáticamente la fila de fechas (más de 50 valores de ese tipo en una misma línea) y extrae las filas de los cuatro productos objetivo, transformando la estructura horizontal a un formato vertical normalizado (producto · fecha · valor).

Los valores faltantes marcados como N/D se convierten en valores ausentes, no en ceros. Una ausencia solo se imputa cuando se encuentra entre observaciones válidas —cada una queda marcada con su estado de calidad— y nunca se construye una serie larga a partir de un único dato.

# Detección de fila de fechas
for linea in lineas:
    campos = [limpiar_texto(x) for x in linea.split(",")]
    fechas_detectadas = [x for x in campos if es_fecha_pemex(x)]
    if len(fechas_detectadas) > 50:
        fila_fechas = fechas_detectadas
        break

# Conversión horizontal → vertical
df_largo = df.melt(
    id_vars="Producto",
    var_name="Fecha",
    value_name="Valor"
)

Limpieza de datos vehiculares

El archivo Excel de INEGI/SEMARNAT requiere localización dinámica del inicio de datos buscando el valor 1980 en la primera columna, ya que las filas previas contienen metadatos y notas que varían según la versión del archivo. Se asignan nombres estandarizados a las seis columnas relevantes y se eliminan separadores de miles (comas) antes de la conversión numérica.

Modelo predictivo

Se construyeron modelos de regresión polinomial independientes para cada variable (producción y demanda). El grado del polinomio se seleccionó minimizando el error cuadrático medio en validación cruzada. Las proyecciones se extienden al periodo 2025–2035 con bandas de confianza para tres escenarios: crecimiento conservador, tendencia histórica y escenario acelerado.