AIPIA
Modelización del ciclo del Agua en una Industria Papelera mediante Inteligencia Artificial
¿Quieres conocer todas las novedades sobre Zinnae?
Suscríbete a nuestra newsletter y no te pierdas nada.
Periodo de ejecución
Septiembre 2020 – marzo 2021
Ámbito de trabajo
Tecnología digital
Participantes
H2ï Analytics hola@hdosi.es
Cognit info@cognit.es
UNIZAR https://howlab.i3a.es/
ZINNAE info@zinnae.org
Subvenciones
Este proyecto ha recibido una ayuda en forma de subvención regulada por el programa de apoyo a Agrupaciones Empresariales Innovadoras (AEIs).
Descripción
AIPIA ha permitido validar la modelización de procesos de gestión de agua con Inteligencia Artificial. A lo largo del proyecto se han modelizado tratamientos tanto de la planta de entrada de aguas como la depuración del vertido y se han obtenido predicciones del comportamiento de los procesos hasta con 5 días de antelación, lo que permite ajustar los procesos de manera eficiente y trabajar con una estabilidad superior que con los sistemas actuales basados en alarmas en tiempo real. En AIPIA se han asentado las bases para llegar a controlar los procesos gracias a la predicción de una manera relativamente sencilla mientras haya cierta digitalización. Dicho control permite a la industria poder gestionar mejor sus aguas y reducir consumos, abriéndose camino hacia la Sostenibilidad Hídrica.
El gran reto del proyecto fue la implementación de tecnología de Inteligencia Artificial (IA) para la gestión de agua en la industria intensiva en el uso del agua. En concreto, conseguir modelizar el ciclo del agua (calidad y cantidad) de una industria papelera mediante Inteligencia artificial (IA) con el fin de optimizar los tratamientos en tiempo real y adelantarse a los problemas que se pudieran originar.
Objetivos
Una vez modelizados los tratamientos, las ventajas que aportan las redes neuronales permitirán reconocer tendencias, capacidad de predicción y por tanto otorgar poder de decisión. Con toda esta información, los objetivos operacionales del proyecto son asentar las bases para optimizar la gestión del ciclo del agua en función de:
- Adición de químicos.
- Aumento de vida útil de los procesos con membrana: Ultrafiltración y ósmosis inversa.
- Entender la posibilidad de recirculación de agua residual industrial al tratamiento de agua de entrada a fábrica.
Resultados
Las ventajas que la Inteligencia Artificial aporta a la gestión tal y como se hace en la actualidad son:
- Resultados en tiempo real, permitiendo la capacidad de análisis de tendencias.
- Reconocimiento de patrones y gestión de riesgo.
- Capacidad de predicción y anticipación.
- Apoyo a la toma de decisiones de gestión y estratégicas.
- Optimizar el agua de entrada y el agua de desecho.
La modelización de la calidad de agua a la entrada mediante datos públicos de la cuenca hidrográfica permite predecir cuáles serán los requerimientos de depuración con cinco días de antelación, evitando problemas en el tratamiento de aguas de entrada a planta. Por otro lado, la modelización del sistema de cloración de las aguas de entrada (PTA) junto con el modelo del agua de vertido posibilita la reutilización de agua a la PTA, ya que predice el comportamiento del agua final de entrada y por tanto se puede ajustar caudales y una adición óptima de químicos.
Ganar confianza en los procesos es esencial para que la industria emprenda el camino a la reutilización, base de la sostenibilidad hídrica, y AIPIA ha demostrado que el control de procesos mediante modelos de IA es factible y con gran potencial de aplicación.
Después de verificar la eficiencia de los modelos desarrollados en un entorno real, se observa que disponer de una buena digitalización es la base de la inteligencia artificial. Aquellos procesos simulados con una calidad y cantidad de datos adecuada han llegado a predecir el comportamiento del proceso hasta con 5 días de antelación. Mientras que los modelos basados en datos escasos o con poca variabilidad no son fiables en su predicción.
La inteligencia artificial permite disponer de información con antelación a que ocurran los cambios en los procesos y esta ventaja frente a una alarma en tiempo real es lo que mejora la estabilidad de los procesos, optimiza la operación y predice la evolución de los equipos críticos. En definitiva, genera fiabilidad en los procesos y abre una vía a la industria para la sostenibilidad hídrica.
