La eficiencia energética en el sector industrial es una prioridad hoy. Por un lado, por el principio de operación sostenible, que nos lleva a reducir el consumo de recursos en pro de la preservación y futuro del planeta; y por otro, por un factor económico: reducir consumo es reducir el coste y aumentar la rentabilidad.
La eficiencia energética no es más que optimizar el consumo energético de un proceso, sin necesidad de dejar de realizar acciones necesarias para ese proceso.
Esto es: hacer lo mismo, consumiendo menos.
¿Cómo lograr la eficiencia energética en la industria?
La optimización de la producción es la vía para ello. Identificar en qué puntos del proceso productivo podemos reducir la activación de equipos o el requerimiento energético de los mismos.
Para ello, se aplican soluciones y disciplinas propias de Industria4.0, Big Data e Inteligencia Artificial a través de la extracción de datos y el rendimiento que podamos lograr de ellos.
1. Ingesta de datos
2. Procesado de los datos
3. Aprendizaje automatizado o Machine Learning.
Caso de éxito de eficiencia energética: Aguas de Bogotá
Uno de los casos de éxito de Eficiencia Energética es el desarrollado en la compañía Aguas de Bogotá, empresa que gestiona el agua de la capital colombiana. Un proyecto desarrollado por Siemens y Mytra.
El proyecto dio como resultado una regulación inteligente de las estaciones de bombeo y distribución de agua. A través del aprendizaje automatizado se han creado predicciones sobre el consumo de agua y de esta forma, se indica cuándo es necesario apagar/encender dichas bombas y cuáles de ellas; en lugar de mantenerlas en funcionamiento de forma constante.
Las cifras hablan de un caso de éxito puesto que se ha calculado la reducción de hasta un 70% de los arranques de bombas diarios.
Reducción de hasta un 70% de los arranques de bombas diarios
Desarrollo del proyecto
La primera fase trabajaba el análisis de los millones de datos almacenados sobre las estaciones de bombeo y su funcionamiento durante los últimos años.
La infraestructura de bombeo se componía de 5 estaciones de bombeo, cada una de las cuales bombea agua a la siguiente estación a la vez que distribuye agua a su zona.
En Aguas de Bogotá contaban con un sistema Smart SCADA de WinCCoA que recogía todo tipo de datos, tanto variables hidráulicas como eléctricas de estos sistemas de bombeo.
Tras este marcado de KPI’s y análisis se generó un modelo capaz de realizar sugerencias de operación de las estaciones, aportando una predicción de las siguientes 6 horas, y actualizándose con los cambios no esperados de funcionamiento. Un algoritmo de predicción integrado en ese SmartSCADA de WinCCoA a través del que se desarrolla el proyecto.
Algoritmos de predicción con técnicas de Machine Learning
Este modelo de predicción es la clave del proyecto de eficiencia energética. Este modelo, combina varios algoritmos desarrollados. Uno de ellos, recoge los datos del último mes para predecir el consumo durante las próximas 6 horas; en paralelo, un segundo algoritmo comprueba el estado actual de los tanques y bombas, para recomendar cuáles es mejor utilizar, en base a su nivel y otras variables.
Además, estos algoritmos se reentrenan de forma automática para adaptar las predicciones a la gran variabilidad del consumo de agua.
Resultados para la eficiencia energética
El análisis del proyecto muestra una reducción de hasta el70% de las puestas en marcha de las bombas, lo que supone la disminución del gasto energético en cada arrancada, así como en el tiempo que están activas las bombas.
Aplicación de técnicas de Machine Learning a otros sectores
Este tipo de planteamientos son adaptables a cualquier industria. Analizando los procesos de producción y activos que entran en juego, se puede medir en qué punto se puede optimizar el proceso y predecirlo, deforma que adaptemos los recursos que tenemos a la necesidad concreta.
¿Te ha gustado?
Compártelo en redes sociales
