> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/es/explorer-for-iotquery/historical-reports.md).
# Informes históricos
Los informes históricos transforman sus datos operativos en información estratégica mediante el análisis de patrones, tendencias y métricas de rendimiento a lo largo de los periodos de tiempo que usted defina, lo que permite tomar decisiones basadas en datos para la optimización de la flota y la planificación de recursos.
## Informe de sensor de medición
**Cuándo usarlo**: Planificación de la gestión de combustible, programación del mantenimiento predictivo e identificación de patrones de rendimiento del equipo entre múltiples vehículos y periodos de tiempo.
**Qué datos ve**: Medidas de sensores de series temporales agregadas en resúmenes estadísticos, que muestran los valores promedio, mínimo y máximo de cada sensor en el periodo de tiempo seleccionado.
Lógica de procesamiento de datos
El sistema procesa los datos de los sensores mediante un sofisticado análisis de series temporales:
* **Agregación por intervalos de tiempo**: Las lecturas brutas de los sensores se agrupan en intervalos de 15 segundos mediante la `time_bucket` función de PostgreSQL, creando puntos de datos manejables a partir de flujos continuos de sensores. Este enfoque equilibra la precisión analítica con la eficiencia del procesamiento.
* **Correlación entre varios sensores**: La consulta combina `business_data.sensors_data_by_hours` con `raw_business_data.objects` para combinar las mediciones de los sensores con el contexto del vehículo. Cada lectura del sensor incluye datos de calibración cuando están disponibles, convirtiendo los valores brutos en unidades significativas (litros para combustible, grados para temperatura).
* **Cálculo estadístico**: Para cada intervalo de tiempo, el sistema calcula los valores promedio, mínimo y máximo de todas las lecturas. Cuando los datos de calibración del sensor faltan o no son válidos, los valores brutos se muestran sin modificación para mantener la transparencia de los datos.
* **Filtrado de calidad**: La validación de la calidad del GPS garantiza que solo los datos de ubicación fiables (satélites > 3, coordenadas distintas de cero) contribuyan al contexto del sensor, mientras que las lecturas no válidas se excluyen de los cálculos estadísticos.
Todas las marcas de tiempo se convierten a UTC para un análisis coherente independientemente de la ubicación geográfica del vehículo, lo que permite identificar tendencias con precisión en distintas zonas operativas.
## Informe de actividad de objetos
**Cuándo usarlo**: Análisis de optimización de rutas, evaluación de la utilización de los vehículos y medición de la eficiencia operativa en periodos de tiempo y segmentos de flota definidos.
**Qué datos ve**: Métricas de actividad completas que incluyen la distancia total recorrida, la duración del viaje, las velocidades medias y los patrones de ruta de cada vehículo en el subconjunto de flota seleccionado.
Lógica de procesamiento de datos
Este informe combina datos históricos y en tiempo real mediante una compleja generación de trayectos:
* **Obtención de datos híbrida**: El sistema selecciona inteligentemente entre `processed_common_data.trips` para el análisis histórico y `raw_telematics_data.tracking_data_core` para datos recientes, según su intervalo de tiempo. Los periodos superiores a 12 horas utilizan viajes preprocesados para un rendimiento óptimo, mientras que los periodos recientes generan trayectos a partir de datos telemáticos brutos.
* **Reconstrucción del trayecto**: Para el análisis en tiempo real, el sistema aplica algoritmos de detección de movimiento utilizando umbrales de velocidad (≥3 km/h) y huecos de tiempo (>300 segundos) para identificar viajes distintos. Los datos de coordenadas brutas (almacenados como enteros) se convierten en grados decimales mediante división por 10.000.000 para los cálculos geográficos.
* **Cálculo de distancia**: La distancia geográfica utiliza funciones de PostGIS para mediciones precisas entre puntos GPS consecutivos, mientras que los cálculos de duración se derivan de las diferencias de marca de tiempo entre los puntos de inicio y fin del trayecto.
* **Integración de zonas**: El análisis geográfico cruza las posiciones del vehículo con las zonas definidas mediante `ST_DWithin` cálculos, proporcionando contexto operativo para las ubicaciones de inicio y fin del viaje.
La estructura de la consulta subyacente se adapta en función de los parámetros seleccionados, optimizando entre la recuperación de datos históricos y la generación de trayectos en tiempo real para ofrecer un análisis de actividad completo.
## Informe de eco-conducción
**Cuándo usarlo**: Análisis de la seguridad del conductor, elaboración de informes de cumplimiento de seguros y evaluación de la gestión del riesgo de la flota para desarrollar programas de formación específicos y reducir los costes operativos.
**Qué datos ve**: Análisis exhaustivo del comportamiento al volante que incluye infracciones por exceso de velocidad, eventos de conducción brusca y puntuaciones de seguridad calculadas para cada vehículo, con coordenadas GPS y marcas de tiempo precisas para cada incidente.
Lógica de procesamiento de datos
El análisis de eco-conducción procesa los datos telemáticos mediante una sofisticada detección de patrones de comportamiento:
* **Detección de infracciones de velocidad**: El sistema supervisa continuamente la velocidad de los vehículos frente a límites configurables, aplicando periodos de gracia y estructuras de penalización basadas en la gravedad. Los eventos de exceso de velocidad requieren infracciones sostenidas (>60 segundos) para evitar penalizar picos breves de velocidad, mientras que los puntos de penalización se escalan desde infracciones leves (0-20 km/h por encima) hasta infracciones graves (>60 km/h por encima).
* **Análisis de conducción brusca**: Los cálculos de aceleración en tiempo real analizan los cambios de velocidad a lo largo de intervalos de tiempo para detectar frenadas bruscas (>3,5 m/s² de desaceleración), aceleraciones bruscas (>3,0 m/s²) y giros cerrados mediante umbrales de cambio de rumbo (>30° a velocidades >30 km/h). Cada evento incluye coordenadas GPS para el análisis de patrones específicos por ubicación.
* **Sistema de puntuación dinámico**: Las puntuaciones de seguridad se derivan de la acumulación de puntos de penalización normalizada por la distancia recorrida, lo que permite una comparación justa entre diferentes longitudes de ruta y patrones operativos. El sistema utiliza puntuaciones máximas configurables con normalización basada en la distancia para garantizar una evaluación coherente.
* **Documentación de infracciones**: Cada evento detectado captura coordenadas GPS precisas, marcas de tiempo y mediciones de gravedad, creando registros completos de incidentes para la formación de conductores y la elaboración de informes de cumplimiento.
El algoritmo subyacente procesa datos GPS agregados a intervalos de 15 segundos de `raw_telematics_data.tracking_data_core`, aplicando cálculos de distancia haversine para un análisis geográfico preciso y cálculos de aceleración basados en marcas de tiempo para la evaluación del comportamiento.
## Informe de turnos
**Cuándo usarlo**: Análisis de la productividad de la plantilla, identificación de patrones operativos y medición de la eficiencia de los turnos para optimizar la programación de la flota.
**Qué datos ve**: Resúmenes diarios de actividad que muestran el tiempo operativo total, las velocidades medias, las velocidades máximas y los periodos de actividad de cada vehículo, agrupados por fecha y turnos operativos.
Lógica de procesamiento de datos
El análisis de turnos procesa los datos brutos de seguimiento mediante la detección de patrones operativos:
* **Clasificación del movimiento**: El sistema analiza las lecturas de velocidad y los intervalos de tiempo para distinguir entre movimiento activo (≥3 km/h), paradas temporales y periodos estacionados. Los huecos de tiempo superiores a 300 segundos activan una nueva detección de periodo de actividad.
* **Detección de límites de turno**: La segmentación de trayectos utiliza umbrales de velocidad configurables y análisis de huecos de tiempo para identificar periodos operativos distintos. Cada periodo de turno incluye marcas de tiempo precisas de inicio y fin con cálculos de duración.
* **Agregación de actividad**: Los resúmenes diarios combinan todos los periodos operativos de cada vehículo, calculando la duración total de la actividad, las velocidades operativas medias y las velocidades máximas alcanzadas durante los periodos activos.
* **Métricas de rendimiento**: El sistema genera estadísticas de utilización comparando el tiempo operativo activo con el tiempo total transcurrido, proporcionando información sobre la eficiencia para las decisiones de gestión de flotas.
La validación de las coordenadas GPS garantiza que solo los datos de posicionamiento de calidad contribuyan a los cálculos de distancia y velocidad, mientras que la estandarización de las marcas de tiempo a UTC permite un análisis coherente de los turnos en distintas ubicaciones geográficas.
## Informe de kilometraje
**Cuándo usarlo**: Análisis de utilización de la flota, evaluación de la eficiencia operativa e identificación de patrones de uso en tiempo de trabajo frente a tiempo no laboral para optimizar el despliegue de los vehículos e identificar usos no autorizados.
**Qué datos ve**: Distancia recorrida categorizada por horas de trabajo, horas no laborables y fines de semana, con tendencias de distribución semanal, comparaciones entre departamentos y desgloses detallados que muestran días activos y distancias máximas de viaje.
Lógica de procesamiento de datos
El análisis del kilometraje de los vehículos procesa los datos de trayectos GPS mediante clasificación basada en el tiempo y agregación de distancias:
* **Clasificación por categorías de tiempo**: El sistema evalúa cada segmento del trayecto GPS según las horas de trabajo y los días del calendario configurables para clasificar el kilometraje en tres categorías distintas. El kilometraje en tiempo de trabajo registra la distancia recorrida durante el horario laboral configurado en días laborables, el tiempo no laborable representa los desplazamientos fuera del horario laboral entre semana, y el kilometraje de fin de semana abarca todo movimiento de sábado y domingo independientemente de la hora. Esta clasificación se realiza a nivel de segmento del trayecto, asignándose cada parte de un viaje en función de su marca de tiempo.
* **Cálculo de distancia**: Las mediciones de distancia geográfica utilizan algoritmos de geometría de coordenadas para calcular la distancia recorrida entre puntos GPS consecutivos. El sistema procesa los datos de posición brutos de `raw_telematics_data.tracking_data_core`, convirtiendo las coordenadas almacenadas como enteros (divididas por 10.000.000) a grados decimales para realizar cálculos de distancia haversine precisos.
* **Agregación temporal**: El análisis de patrones semanales agrupa los segmentos del trayecto por número de semana ISO, sumando las distancias dentro de cada categoría de tiempo. El sistema genera tanto totales absolutos de kilometraje (en kilómetros) como distribuciones porcentuales para revelar cómo cambian los patrones operativos a lo largo de las semanas.
* **Análisis de agrupación**: Las comparaciones entre departamentos, objetos y conductores agregan los datos individuales de los vehículos en unidades organizativas. El sistema calcula el kilometraje medio mensual por vehículo dividiendo la distancia total por el número de días activos y normalizándolo a meses de 30 días, lo que permite una comparación justa entre distintos periodos de análisis.
* **Detección de actividad**: Los cálculos de días activos identifican fechas del calendario con kilometraje registrado mediante el análisis de las marcas de tiempo de los trayectos. La determinación de la distancia máxima del trayecto procesa segmentos individuales del viaje para identificar el trayecto continuo más largo de cada grupo, utilizando umbrales de detección de movimiento (≥3 km/h) y análisis de huecos de tiempo (>300 segundos) para separar viajes distintos.
La validación de la calidad del GPS garantiza que solo los datos de posicionamiento fiables (satélites > 3, coordenadas distintas de cero) contribuyan a los cálculos de distancia, mientras que la estandarización de las marcas de tiempo a UTC permite una clasificación temporal coherente independientemente de la ubicación geográfica del vehículo.
## Informe de viajes
**Cuándo usarlo**: Análisis de patrones de desplazamiento, evaluación de la optimización de rutas y evaluación del comportamiento operativo para comprender la frecuencia de los viajes, la distribución de la distancia e identificar patrones de desplazamiento inusuales.
**Qué datos ve**: Métricas de viajes individuales, incluidas la distancia, la duración y la velocidad media, con tendencias de volumen semanales, comparaciones a nivel de grupo y detalles completos viaje por viaje que muestran las horas de inicio y fin y las asignaciones de conductor.
Lógica de procesamiento de datos
El análisis de los viajes de los vehículos identifica y procesa trayectos individuales mediante una detección inteligente del movimiento:
* **Algoritmo de detección de viajes**: El sistema analiza los datos de trayectos GPS y la información de estado del vehículo para identificar viajes distintos utilizando umbrales de velocidad y tiempo. Un viaje comienza cuando la velocidad del vehículo supera el umbral mínimo de velocidad en ralentí (predeterminado 3 km/h) y termina cuando la velocidad cae por debajo de ese umbral durante la duración mínima de tiempo en ralentí (predeterminada 5 minutos). Las paradas breves inferiores al umbral de tiempo en ralentí se tratan como pausas dentro del mismo viaje en lugar de límites de viaje, filtrando así paradas momentáneas de tráfico o retrasos por carga.
* **Parámetros de detección mejorados**: Cuando está disponible, el sistema incorpora el estado del encendido y los datos del sensor de movimiento para refinar la precisión de la detección de viajes. Este enfoque multifactor evita falsos finales de viaje durante periodos breves de inmovilidad en los que el motor sigue en marcha, asegurando que solo los eventos de estacionamiento significativos activen la finalización del viaje.
* **Cálculo de distancia y duración**: Para cada viaje detectado, el sistema calcula la distancia total mediante funciones geográficas de PostGIS entre puntos GPS consecutivos de `raw_telematics_data.tracking_data_core`. La duración del viaje se deriva de la diferencia de tiempo entre el primer y el último punto del trayecto. Los cálculos de velocidad media dividen la distancia total entre la duración, proporcionando una velocidad operativa realista que incluye cualquier parada breve durante el viaje.
* **Agregación temporal**: El análisis semanal agrupa los viajes por número de semana ISO, calculando tanto el número de viajes como las distancias acumuladas. Este enfoque de métrica dual revela si los cambios en el volumen operativo se correlacionan con variaciones en la longitud media de los viajes: un alto número de viajes con baja distancia total indica muchos trayectos cortos, mientras que la situación inversa sugiere menos viajes pero más largos.
* **Analítica de comparación de grupos**: Las agrupaciones por departamento, objeto, conductor y garaje agregan datos de viajes para permitir el análisis comparativo. El sistema suma las distancias totales, cuenta los viajes individuales y calcula las duraciones medias de los viajes para cada unidad. Estas métricas permiten identificar diferencias en el rol operativo: las flotas de reparto muestran muchos viajes cortos, mientras que los vehículos de servicio en campo pueden realizar menos viajes pero más largos.
* **Disponibilidad de datos de velocidad**: Cuando la calidad de la señal GPS es insuficiente o falla la captura de datos de velocidad, el sistema no puede calcular de forma fiable las velocidades medias. Esta condición suele producirse durante la pérdida de señal GPS en zonas con mala visibilidad de satélites (túneles, zonas urbanas densas, aparcamientos subterráneos) o durante anomalías en el procesamiento de datos. El informe muestra "No speed data available" para los periodos afectados, lo que indica que estos viajes requieren investigación o tienen registros telemáticos incompletos.
Todas las marcas de tiempo de los viajes se convierten a UTC para un análisis coherente en distintas zonas operativas, mientras que la validación de la calidad del GPS (satélites > 3, coordenadas distintas de cero) garantiza que solo los datos de posicionamiento fiables contribuyan a la detección de viajes y a los cálculos de distancia.
## Informe de inactividad
**Cuándo usarlo**: Optimización de la utilización de los vehículos, análisis del coste del tiempo de inactividad, evaluación de la eficiencia operativa e identificación de un tiempo de inactividad excesivo en ubicaciones específicas para mejorar la productividad de la flota y reducir el desperdicio de combustible.
**Qué datos ve**: Análisis exhaustivo del tiempo de inactividad que muestra horas detenidas y estacionadas, porcentajes de utilización, distribuciones del estado de actividad por tiempo y zonas, y desgloses detallados que identifican las principales ubicaciones de inactividad de cada vehículo.
Lógica de procesamiento de datos
El análisis de inactividad procesa los datos de GPS y velocidad mediante una sofisticada clasificación del movimiento para identificar y cuantificar el tiempo improductivo del vehículo:
* **Detección del umbral de movimiento**: El sistema aplica un umbral mínimo de velocidad configurable (predeterminado 3 km/h) para clasificar los estados de actividad del vehículo. Cuando la velocidad cae por debajo de este umbral, el vehículo entra en estado de detenido. Este umbral se adapta a distintos contextos operativos: los vehículos de construcción pueden usar umbrales más bajos, mientras que las flotas de autopista utilizan valores más altos para captar con precisión los periodos de inactividad significativos.
* **Clasificación entre detenido y estacionado**: El sistema distingue entre paradas breves y estacionamientos prolongados mediante análisis basado en el tiempo. Un vehículo permanece en estado de detenido cuando está inmóvil, pero solo pasa a estacionado tras mantener velocidad cero o casi cero durante la duración mínima de estacionamiento (predeterminada 5 minutos). Esta clasificación jerárquica garantiza que las paradas breves de tráfico, los retrasos por carga o las pausas momentáneas no activen la clasificación como estacionado, mientras que los eventos de estacionamiento reales se capturan con precisión. Todo el tiempo estacionado también es tiempo detenido, pero no todo el tiempo detenido se considera estacionamiento.
* **Agregación del estado de actividad**: Para cada vehículo, el sistema calcula el total de horas empleadas en cada estado —en movimiento, detenido y estacionado— procesando los datos de trayectos GPS de `raw_telematics_data.tracking_data_core`. Las lecturas de velocidad se evalúan continuamente frente al umbral de movimiento, registrándose las transiciones de estado con marcas de tiempo precisas. Los cálculos de duración suman el tiempo transcurrido en cada estado a lo largo del periodo de análisis.
* **Cálculo del tiempo de inactividad**: El tiempo total de inactividad representa todo el tiempo sin movimiento (horas detenido + estacionado). El sistema calcula la inactividad como el inverso de la utilización: cuando un vehículo no está en movimiento, acumula tiempo de inactividad. Esta métrica proporciona una visión completa del tiempo de inactividad, independientemente de si el vehículo está brevemente detenido o completamente estacionado.
* **Métricas de utilización**: El porcentaje de utilización se deriva de la relación entre el tiempo en movimiento y el tiempo total de actividad: (horas en movimiento / horas totales) × 100. La utilización media entre varios vehículos utiliza un cálculo ponderado basado en el tiempo total de actividad de cada vehículo. Estas métricas permiten comparar de forma justa la productividad entre vehículos con distintos patrones operativos o periodos de análisis.
* **Análisis geográfico del tiempo de inactividad**: El sistema cruza las ubicaciones detenidas y estacionadas con las geocercas definidas de `processed_common_data.zones_geom` mediante funciones espaciales de PostGIS. Para cada periodo de inactividad, las coordenadas GPS se evalúan frente a los límites de la zona para determinar si la inactividad se produjo dentro de una ubicación conocida. La zona principal de inactividad representa la geocerca donde el vehículo acumuló más horas detenido o estacionado durante el periodo de análisis.
* **Modos de visualización de la línea temporal**: El modo de visualización Estado muestra patrones temporales de actividad codificados por colores según el estado de movimiento (en movimiento, detenido, estacionado), revelando cuándo los vehículos cambian entre estados a lo largo del día. El modo de visualización Zonas colorea los segmentos de la línea temporal por ubicación geográfica en lugar de por estado de actividad, mostrando qué zonas ocupó el vehículo a lo largo del tiempo. Este enfoque de visualización dual permite tanto el análisis de patrones temporales como la evaluación de la distribución geográfica.
* **Agregación por zonas**: Al analizar la inactividad por zonas, el sistema agrupa todos los periodos de inactividad según su ubicación geográfica, calculando el total de horas detenidas y estacionadas dentro de cada geocerca. Esta agregación identifica los lugares de cuello de botella donde los vehículos pasan un tiempo excesivo inactivos, como muelles de carga con largos tiempos de espera, sitios de clientes con procesos ineficientes o ubicaciones de parada no autorizadas.
La validación de la calidad del GPS garantiza que solo los datos de posicionamiento fiables (satélites > 3, coordenadas distintas de cero) contribuyan a la clasificación del estado y al análisis geográfico, mientras que la estandarización de las marcas de tiempo a UTC permite un seguimiento coherente de la inactividad en distintas zonas operativas.
## Próximos pasos
Cuando el análisis histórico revela oportunidades de optimización o plantea preguntas operativas específicas, continúe con [Custom Analysis & SQL Configurator](/docs/analytics/es/explorer-for-iotquery/custom-analysis-sql-configurator.md) para crear investigaciones adaptadas que aborden sus requisitos únicos de gestión de flotas y desarrollar soluciones analíticas personalizadas.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://navixy.com/docs/analytics/es/explorer-for-iotquery/historical-reports.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.