Pagina principalArtículos y Entrevistas OnlineEficiencia energética

La optimización de los activos existentes como primer paso hacia la transición energética

Centro Tecnológico ITCL,

 La optimización de los activos existentes como primer paso hacia la transición energética

Dentro del rango de soluciones disponibles para la transición energética, el estudio y optimización de los activos industriales existentes debe ser una prioridad, tanto por el potencial de ahorro existente a nivel energético medioambiental y de economía circular, como por el elevado efecto multiplicador que suponen este tipo de actuaciones a cualquier escala del tejido industrial.

Durante el último siglo, las emisiones de gases de efecto invernadero se han incrementado de forma exponencial. A pesar de que la conciencia sobre esta realidad se está expandiendo, en la actualidad el sistema energético europeo sigue dependiendo enormemente de los combustibles fósiles. Este impacto es aún mayor si se le suma el hecho de que la mayor parte de este suministro es importado.

Esta situación deja a los sistemas energéticos europeos en un estado de frágil sostenibilidad sumado a una alta volatilidad de precios condicionada por la dirección que toman las decisiones geopolíticas de los principales exportadores de combustibles fósiles.

Poniendo como contexto esta problemática presentada y teniendo en cuenta que las necesidades energéticas van en aumento, la Comisión Europea ha desplegado una serie de instrumentos políticos que tienen como objetivo final alcanzar la neutralidad climática para 2050 a través de una transición energética justa.

De acuerdo a esto, desde el Ministerio para la Transición Ecológica y Reto Demográfico, ha presentado el Plan Nacional Integrado de Energía y Clima (PNIEC) 2021-2030, donde se establece un objetivo de incremento de la eficiencia energética del 39,5% en los procesos de producción para 2030, un objetivo más optimista que el de la Unión Europea que ha establecido el objetivo de incremento a un 32,5%.

Si se analiza el reparto energético en España, el sector industrial es uno de los principales demandantes de energía, tanto eléctrica como térmica, esta última procedente de combustibles fósiles debido a las altas necesidades existentes para desarrollar su actividad de forma satisfactoria.

En este sentido, estudiar el buen uso de la energía con el objetivo de optimizar la eficiencia energética de las plantas ayudará a eliminar desperdicios y reducir la demanda energética industrial, lo que se traduce en una disminución de emisiones al mismo tiempo que se incrementa la competitividad de las empresas involucradas en el proceso de cambio.

Aquí es donde entra una de las tecnologías que más peso ha alcanzado durante estos últimos años, el Gemelo Digital (GD), que consiste en la virtualización de las empresas creando un entorno de simulación donde el empleo de herramientas tecnológicas avanzadas ayuda a alcanzar objetivos reales de optimización del consumo energético de las empresas, ayudando a la toma de decisiones, o incluso en sus niveles más avanzados, gobernando la instalación para adaptar su funcionamiento y reducir los desperdicios.

El concepto de Gemelo Digital no es algo nuevo, lleva expandiéndose desde que los técnicos que hicieron posible la misión del Apollo 13 en 1970, desarrollaran una serie de simuladores que permitieron enfrentarse más adelante a la realidad con una idea más clara de lo que se podrían encontrar.

Sin embargo, la realidad es que sobre la mayoría de las entidades industriales esta tecnología no ha llegado o si lo ha hecho ha sido en un formato sencillo, principalmente debido a los elevados costes de implementación y a la falta de conocimiento.

Desde esta perspectiva nace el proyecto TEEPP - “Investigación en Tecnologías innovadoras para la Eficiencia Energética en Procesos Productivos” el cual forma parte de las convocatorias cofinanciadas a través del FEDER para la financiación de proyectos de I+D de centros tecnológicos, con el objeto de impulsar la investigación y la transferencia de conocimiento, promover la investigación y el desarrollo de nuevas tecnologías y contribuir a la creación de nuevos productos y servicios, en colaboración efectiva entre Centros Tecnológicos y empresas de Castilla y León.

En esencia se trata de un proyecto de investigación que presenta como objetivo principal lograr la optimización energética de empresas con grandes consumos de energía en sus procesos productivos a través de la investigación industrial para la asignación y optimización de costes energéticos de cada unidad producida. Todo esto es implementado a través de un gemelo digital adaptado a las casuísticas de cada empresa y que permite la comunicación directa usuario – entorno virtual. De esta forma se pretende desarrollar una metodología de trabajo que permita que estas tecnologías estén al alcance de todo tipo de empresas, desde PYMES hasta grandes industrias.

Con este objetivo en mente, se ha creado un consorcio multidisciplinar de centros de investigación y empresas referentes, formado por los centros tecnológicos Fundación CIDAUT y por el Instituto Tecnológico de Castilla y León (ITCL), y por las empresas del sector industrial manufacturero Grupo Antolín (GA), Lingotes Especiales (LE) y SMI Hispania (SMI).

Cada una de estas empresas cuenta en sus plantas con una gran diversidad y cantidad de líneas productivas. Grupo Antolin y Lingotes Especiales son grandes consumidores energéticos, y la empresa SMI Hispania constituye una PYME. Esta variedad de procesos y tipos de empresas han permitido profundizar en la investigación garantizando que los resultandos obtenidos en el proyecto sean extrapolables a cualquier industria y actividad.

Los cimientos del proyecto se sustentan sobre una pirámide que representa las etapas que una empresa debe ir superando para alcanzar el nivel más alto de la misma, la optimización energética, remarcando la importancia de superar un nivel previo antes de poder avanzar al siguiente.

Partiendo de este marco de trabajo, el desarrollo del proyecto ha buscado investigar en herramientas tecnológicas a implantar en un gemelo digital, de forma que partiendo de unas entradas características de un proceso productivo se obtenga un conocimiento profundo del proceso desde el punto de vista de consumo energético que permita relacionarlo con la producción y la calidad, para optimizar la eficiencia energética de dicho proceso.

Con todo el conocimiento adquirido se ha conseguido alcanzar dos resultados principales:

  • Ampliar la frontera de conocimiento sobre la aplicabilidad de las herramientas basadas en gemelos digitales sobre distintas plantas industriales que presentan una gran variabilidad entre sus procesos, ya sea a nivel logístico o físico.
  • El desarrollo de una plataforma digital basada en tecnologías innovadoras aplicadas a un gemelo digital que es capaz de establecer estrategias de optimización energética y alcanzar los fines y objetivos planteados, estableciendo un modelo de interacción entre la empresa y el propio gemelo virtual donde existe un flujo de datos que se introduce en el gemelo y se convierte en información.

Estos desarrollos están basados en tecnologías innovadoras que se implementan en forma de modelos energéticos sobre un gemelo digital, donde muchos de ellos mantendrán un formato modular, permitiendo incorporarlos o no al entorno virtual en función de su capacidad de adaptación a la casuística de cada empresa.

  • Modelos energéticos básicos: La base del gemelo digital se encarga del desarrollo de KPI’s a través de la relación comparativa entre distintas variables, así como de la creación de nuevas variables complementarias a través de la aplicación de fundamentos teóricos que permitan potenciar la información proveniente de la sensórica disponible. Estos modelos no sólo aportan valor añadido a la supervisión y seguimiento de variables, si no que ayudan a reducir las necesidades de monitorización de las plantas.
  • Modelos energéticos basados en sistemas ciberfísicos: Con estos modelos se integran dentro del gemelo digital las herramientas basadas en IA (inteligencia artificial), en especial Machine Learning, herramientas basadas en BigData y computación de alto rendimiento junto con herramientas IIoT (internet industrial de las cosas) que permitan la interoperabilidad entre los distintos modelos y fuentes de información.

La finalidad de estos modelos es dotar al gemelo digital de capacidad para detectar patrones de funcionamiento, identificar y prevenir anomalías, predecir el estado de la planta a futuro, simular distintas posibilidades que permitan plantear estrategias de mantenimiento, gestión de la producción, control eficiente o mejora de proceso; todo ello con el objetivo final de alcanzar la optimización autónoma de los procesos. En función de los objetivos de los modelos, estos se pueden dividir en los siguientes tres tipos:

  1. Modelos orientados a implementar buenos hábitos: Como pueden ser modelos basados en la modificación ya sea de forma directa o indirecta de los parámetros de funcionamiento de equipos concretos con el objetivo de optimizar el consumo energético del equipo o la línea sin que se vea afectada la cantidad ni la calidad de producción.
  2. Modelos orientados a identificar malos hábitos: mediante el análisis de los tiempos improductivos o la detección anticipada de anomalías en el funcionamiento a través del desarrollo de módulos de identificación de patrones de trabajo. Estos malos hábitos generan consumos indeseados que se reflejan directamente en el desempeño de la línea o equipo, esta relación consumo-pieza se puede emplear para caracterizar el funcionamiento de los equipos y las líneas a través de las curvas de desempeño que permiten dar una idea del funcionamiento normal de los equipos y ayudar a detectar anomalías.
  3. Modelos basados en simulaciones: Estos modelos están basados en la simulación de la implementación de estrategias de mejora específicas, como por ejemplo la implementación de variadores de potencia sobre los principales motores eléctricos de la planta. Estos requieren de un estudio independiente de las casuísticas existentes en planta, así como de la identificación de oportunidades de mejora mientras que los modelos anteriores son más estandarizables.

En base a la experiencia obtenida durante la implementación de algoritmos que permitan obtener los objetivos anteriormente mencionados sobre las empresas del consorcio, se llega a la conclusión de que la implementación de algoritmos genéticos  es la mejor opción si se desea disponer de herramientas que sirvan a distintos tipos de empresas. Se han probado distintos algoritmos de Machine Learning tales como XGBoost o redes neuronales profundas, sin embargo, la naturaleza de caja negra de los algoritmos de Machine Learning dificulta significativamente la aplicación de métodos de optimización clásicos tales como los multiplicadores de Lagrange o el método de Karush Kuhn Tucker.

Otros algoritmos probados para la identificación de los malos hábitos son aquellos que son capaces de determinar qué combinaciones de valores de un conjunto de variables resultan extremadamente improbables. Entre este tipo de algoritmos se cuentan el Isolation Tree y el Clustering-Based Multivariate Gaussian Outlier Score.

  • Modelos energéticos basados en termoeconomía: Estos modelos consisten en aplicar análisis termodinámico combinado con teorías económicas y estableciendo la exergía como foco de estudio para el ajuste de costes energéticos en procesos intermedios de transformación de materias primas. El reto ha consistido en analizar las relaciones causa-efecto que provocan incrementos de energía indeseados de estos equipos y el empleo de herramientas de simulación fluidodinámica para evaluar el comportamiento energético de equipos industriales con alto consumo energético.
  • Modelos basados en diagramas de flujo: Consiste principalmente en la representación gráfica de los flujos principales de materiales y energía desde el inicio al final del proceso productivo, permitiendo tener una visión macro del proceso y repartos de consumo que faciliten la priorización bajo distintos criterios (energético, económico, productivo…) a la hora de toma de decisiones.
  • Diagramas de despilfarro energético: Siguiendo la filosofía Lean Manufacturing y los 7 desperdicios (mudas), se ha ampliado este concepto considerando la energía como un desperdicio más a minimizar (Lean Energy).

En este sentido, la reducción de los consumos improductivos (pérdidas o desperdicios de energía) generalmente representará el grueso de la optimización de la eficiencia energética de cualquier empresa. Estos consumos son aquellos que se dan sin generar ningún tipo de efecto útil, por lo general son consumos inferiores al nominal pero que se mantienen en el tiempo. En el ejemplo se muestra la diferencia de la demanda energética de una prensa durante el prensado (Zona verde) y mientras permanece en espera (Zona roja).

  • Modelos basados en el análisis de variabilidad y aplicabilidad de estándares: Estos modelos están diseñados para generar curvas ideales de desempeño sobre los componentes más representativos de la planta y sobre los distintos tipos de productos que se procesan. A diferencia que los modelos convencionales basados en líneas base estáticas (LBEn e IDEns), estas curvas representan una referencia dinámica del funcionamiento óptimo alcanzable por parte de los equipos para distintos valores de producción y por lo tanto para distintos escenarios de funcionamiento.

Estas curvas son empleadas como entradas de varios de los modelos planteados ya que aportan información de gran utilidad para conocer el estado de una línea de producción.

  • Modelos basados en interacción energética entre procesos: este módulo se encarga de generar un plan de producción o de arranque de equipos que permita homogenizar los consumos en los inicios de la actividad a través de la gestión de encendido de líneas o equipos de producción, con el objetivo final de reducir los picos de consumo.

Este tipo de funcionalidades ayudan a tener una demanda energética más estable, que permita reducir la capacidad energética máxima y de esta forma tener escenarios más acotados, fáciles de analizar y de optimizar. Más allá de esto, la reducción de los picos de consumo también contribuye a alargar la vida de los equipos y permitirá evitar las penalizaciones de la facturación eléctrica.

A pesar de toda la complejidad que guarda internamente el Gemelo Digital, se representa a nivel usuario a través de una interfaz amigable que agrupa y ordena la información de una forma visual y sencilla orientada a facilitar la toma de decisiones y mostrar el estado actual de funcionamiento de la planta, así como su previsión a futuro.

Al igual que los modelos, el diseño de pantallas se ha desarrollado pensando en una estructura modular dividiendo las herramientas disponibles en secciones de acuerdo al tipo de información que muestran.

De esta manera, con los resultados del proyecto TEEPP se dispone de un programa de despliegue de gemelos digitales dedicados a la optimización energética, adaptable al paradigma industrial castellano y leonés (y por extensión aplicable al entorno nacional), a través de la creación de herramientas que actúan de manera modular, tanto a nivel de BackEnd (procesamiento interno) como de FrontEnd (interfaz de usuario), que permite la comunicación directa usuario – entorno virtual aportando valor tanto a la mejora en gestión del día a día como ayudando a la toma de decisiones, gracias a la capacidad de identificación de conocimiento que le confieren las herramientas innovadoras de que dispone.

 

 

¡Ayúdanos a compartir!

Artículos sobre eficiencia energética | 29 de noviembre de 2022 | 1218

Próximos eventos
Especial Intersolar Europe

 

Últimas entrevistas
Utilizamos cookies propias y de terceros para elaborar información estadística y mostrarte publicidad personalizada a través del análisis de tu navegación, conforme a nuestra Política de cookies.
Si continúas navegando, aceptas su uso.


Más información
 energetica21.com - Revista de generación de Energía y Eficiencia Energética  

Política de privacidad | Cookies | Aviso legal | Información adicional| miembros de CEDRO