eficiencia energetica

ProefiAire – ¿Cómo mejorar la eficiencia en aire comprimido?

El proyecto ha realizado una investigación sobre la supervisión, y control inteligente de la eficiencia energética de las instalaciones de vacío y aire comprimido, clave en el sector industrial para reducir ineficiencias en el uso de estos equipos.

Descripción del Proyecto:

Para llegar a los objetivos previstos, el proyecto ha de pasar por tres fases:

En la actividad I, se ha llevado a cabo una profunda revisión de bibliografía que junto con la experiencia tanto teórica como de campo ha generado el conocimiento suficiente para ejecutar con garantías el resto de tareas, ya que se han elaborado las librerías de equipos que incorpora la plataforma para la caracterización y diagnóstico de instalaciones, y se han identificado las principales fuentes de información existentes en las empresas, así como los parámetros e indicadores clave a monitorizar para su correcta evaluación.

A través de ella, es posible hacer una autoevaluación de la eficiencia energética de las instalaciones de aire comprimido y vacío de una empresa, partiendo de unos datos básicos. La información obtenida permite tanto hacer benchmarking y benchlearning.

Posteriormente en la actividad II se han desarrollado:

Herramientas de supervisión:

Con la construcción de la plataforma, para la mejora de la eficiencia energética en instalaciones de aire comprimido y vacío, se han desarrollado las herramientas para la supervisión continua y la simulación de instalaciones para la validación de la viabilidad técnica y económica de las estrategias de mejora identificadas

Herramientas de predicción:

Con una arquitectura de captura de datos en tiempo real, un KIT de conexiones con capacidad suficiente para medir temporalmente cualquier tipo de instalación de aire comprimido y vacío, el desarrollo de los gemelos virtuales de las instalaciones, los módulos de simulación de actuaciones de mejora y la aplicación de herramientas Machine Learning y Deep Learning.

Una vez establecido todo lo anterior y partiendo del conocimiento generado y la información obtenida de la Actividad I y de la Actividad II, se han diseñado procedimientos de cálculo específicos para cada herramienta diseñada incluyendo herramientas de control experto, mantenimiento predictivo y asistente a la planificación. Para ello, los procesos empleados han estado basados en logaritmos con capacidad de aprendizaje adaptando su funcionamiento a las características del proceso. Además, se han desarrollado las herramientas de nivel III de la plataforma PROEFI.

Problema que pretenden resolver:

El problema de base que queremos resolver con este proyecto es la necesidad de las empresas por saber qué cantidades de aire comprimido se requieren en un momento dado y la cantidad de energía que se utiliza para generar dicho aire comprimido, y para ello hay que resolver los siguientes problemas:

    • Reducción del coste energético por el uso del aire industrial
    • Conocer el coste real de la predicción del aires industrial (€/m3), la eficiencia global en la producción del aire industrial (kWh/m3), además de la eficiencia por equipo, bomba o compresor
    • Hay que determinar el origen y peso de las pérdidas de eficiencia, los puntos principales de perdida como fugas, perdidas de carga, de dimensionamiento y de saneamiento y por supuesto el coste de la perdida en cada punto
    • La cuantificación de las mejoras en instalaciones para así reducir los costes de inversión

Objetivos de Resolución del Proyecto:

    • Convertir la eficiencia energética en una variable más de control.
    • Permitir a los equipos principales (compresores) comunicarse y colaborar entre ellos. Aprendizaje colaborativo.
    • Realizar y ejecutar modelos en tiempo real de forma simultánea al funcionamiento de las instalaciones industriales, mediante virtualización, y en condiciones de trabajo reales.
    • Predicción e identificación de anomalías y fallos en el funcionamiento, facilitando a los sistemas de control la capacidad de anticiparse / predecir fallos críticos en el sistema.
    • Dar a las instalaciones la capacidad de autodiagnosticarse.

Los sistemas de control experto con capacidad de aprendizaje, basados en tecnologías de la industria 4.0. han permitido conocer la eficiencia por equipo o compresor, la eficiencia global de la producción de aire, los costes reales por el uso del aire industrial en condiciones óptimas de operación y en función de las necesidades de producción o fabricación.

Duración del Proyecto:

2018 – 2021

Proyecto Nacional en cooperación con:

Adisseo
Tamesa
ITCL Centro Tecnológico

Este proyecto está financiado a través de la convocatoria de 2017 del Instituto para la Competitividad Empresaruial de Castilla y León de Ayudas en concurrencia no comptetiva destinada a proyectos de I + D aplicada realizados por los Centros Tecnológicos de Castilla y León, cofinanciadas por el Fondo Europeo de Desarrollo Regional (FEDER)

Persona de contacto:

Javier Sedano – Director de I + D en ITCL Centro Tecnológico

Descubre más proyectos que integren Inteligencia Artificial y Deep Learningcontacta con nosotros y explora cómo estas tecnologías pueden transformar tu sector.