Considerando el tema de la reducción del consumo de energía en plantas industriales, investigamos un método de agrupación para la extracción de datos de series temporales relacionados con el consumo de energía. El estudio de caso industrial considerado en nuestro trabajo es uno de los procesos más intensivos en energía en la industria del plástico: el proceso de moldeo por inyección de plástico. Respecto al entorno industrial, se monitoreó el consumo de energía de la máquina de moldeo por inyección a lo largo de múltiples ciclos de moldeo por inyección. Los datos recopilados fueron analizados para establecer patrones y tendencias en el consumo de energía del proceso de moldeo por inyección. Con este fin, consideramos mezclas de modelos de regresión dada su flexibilidad en la modelización de series temporales heterogéneas y la agrupación de series temporales en un marco de aprendizaje automático no supervisado. Dado el supuesto de datos autocorrelacionados y variables exógenas en el modelo de mezcla, implementamos un algoritmo para el ajuste del modelo que combinaba observaciones autocorrelacionadas con regresiones de spline y polinomiales. Nuestros resultados demuestran una agrupación precisa de perfiles de consumo de energía, donde cada grupo está relacionado con un horario de producción específico. El método de agrupación también proporciona un perfil único de consumo de energía para cada grupo, dependiendo del horario de producción y del enfoque de regresión (es decir, spline y polinomio). Según estos perfiles, se identificó información relacionada con la forma del consumo de energía, proporcionando ideas para reducir la demanda eléctrica de la planta.