- Innovation
- Inteligencia artificial
El proyecto AI4ESOPP desarrolla una plataforma basada en IA para la gestión sostenible de plantas industriales. Recoge datos de maquinaria, sensores IoT y fuentes externas, ofreciendo análisis avanzados y soporte para certificaciones ambientales (LEED, ISO 50001). Integra módulos para optimizar el consumo, el mantenimiento y el impacto ambiental, con una interfaz LLM que simplifica su uso. Contribuye a la Economía Azul y al desarrollo de las regiones menos desarrolladas, promoviendo la innovación y la sostenibilidad.
El proyecto Artificial Intelligence for Environment and Sustainability of Production Plants (AI4ESOPP) tiene como objetivo desarrollar una plataforma, basada en inteligencia artificial (IA), dedicada a la gestión, la eficiencia y la sostenibilidad ambiental de plantas industriales.
La plataforma se caracteriza por varios aspectos innovadores: por un lado, la capacidad de recopilar y organizar todos los datos relacionados con una o varias plantas industriales, tanto de máquinas modernas —como las involucradas en proyectos de Industria 4.0 o nuevos equipos equipados con tecnología Digital Twin— como de máquinas más antiguas, gracias al procesamiento de flujos de información heterogéneos y su interpretación en tiempo real mediante módulos de IA dedicados, por ejemplo, al reconocimiento de objetos en tránsito. De esta manera, es posible crear un panel en el que todos los datos de la planta (o de varias plantas, si la producción se distribuye en diferentes sitios, sean homogéneos o no) sean fácilmente accesibles.
Estos datos se enriquecerán posteriormente con información procedente de fuentes externas, como previsiones meteorológicas o mediciones ambientales, con el fin de disponer de un panel con toda la información relevante.
Los datos, como sabemos, son el petróleo para la IA: esta riqueza de información —proveniente de nuevas y antiguas plantas, sensores distribuidos y fuentes externas— se utilizará para perfeccionar modelos de IA de optimización y predicción. A modo de ejemplo, en una planta equipada con paneles fotovoltaicos, la plataforma podría sugerir planificar la producción en función de los próximos días soleados, permitiendo así tanto un ahorro como la protección del medio ambiente.
Y precisamente el impacto ambiental es uno de los puntos fuertes de esta plataforma, que incorpora la información relativa a las principales certificaciones ambientales, como LEED, ISO 50001, ISO 14001 y EMAS, y apoya a la dirección en la obtención y mantenimiento de estas certificaciones, respaldando de forma basada en datos el paso hacia una gestión ESG (Environmental, Social, Governance) de toda la planta. La abundancia de datos e información generada puede resultar difícil de gestionar: para superar este problema se utilizará un Large Language Model (LLM), similar a ChatGPT, que apoyará a los usuarios en la interpretación de los datos y en la planificación de estrategias para reducir costes y mejorar el impacto ambiental en general. Además, la plataforma, al integrar información tanto de maquinaria de última generación como de equipos más antiguos, podrá ofrecer información clara sobre las estrategias de modernización de cada máquina, evaluando tanto la rentabilidad como el impacto ambiental.
En conjunto, la plataforma reúne varios aspectos innovadores: la capacidad de gestionar información, incluso heterogénea, sobre las plantas industriales; la capacidad de utilizar esta información para alimentar distintos módulos de IA, capaces de apoyar todas las fases relevantes de las Plantas de Producción (PdP); una fuerte vocación ambiental, con énfasis en la capacidad de apoyar a la empresa en la obtención y mantenimiento de las principales certificaciones de impacto ambiental; una IA Generativa basada en un LLM capaz de asistir al usuario y guiarlo, permitiendo un diálogo sencillo con la propia plataforma. Como ocurre a menudo, el valor del conjunto de diferentes componentes supera la suma de los valores individuales; la fuerza e innovación de esta plataforma es superior a la suma de las innovaciones de sus componentes por separado.
La plataforma puede entenderse como la suma de cinco módulos conceptualmente distintos:
- Un módulo destinado a recopilar, agregar y poner a disposición todos los datos disponibles: datos procedentes del sistema de información empresarial, datos procedentes de sensores distribuidos en la planta, datos procedentes de la maquinaria (Industria 4.0) y datos procedentes de fuentes externas como, por ejemplo, datos sobre previsiones meteorológicas.
- Un módulo de análisis de datos, que incluye paneles (dashboards) incluso en tiempo real, que permite, según el tipo de planta de producción:
- a. Análisis del consumo energético de la planta
- b. Análisis del rendimiento de la planta
- c. Análisis del consumo de agua, prevención de fugas, reutilización y reciclaje del agua
- d. Gestión y valorización de las aguas residuales
- e. Monitorización de anomalías
- Un módulo basado en IA para predicción y planificación: la IA se empleará para identificar ineficiencias, puntos críticos y oportunidades de mejora en el ciclo productivo. En particular, un elemento clave del proyecto será la adopción de técnicas de aprendizaje profundo (Deep Learning) y de técnicas de aprendizaje (Reinforcement Learning). Las primeras se utilizarán para analizar grandes volúmenes de datos (Big Data) procedentes de sensores y sistemas de monitorización, permitiendo una comprensión profunda de patrones y dinámicas subyacentes. Las segundas, para desarrollar modelos capaces de aprender de forma continua y adaptarse a las dinámicas cambiantes del entorno productivo. Esto permitirá una gestión dinámica de los procesos, con capacidad de adaptación autónoma a las variaciones en las condiciones de producción y a la nueva información adquirida con el tiempo. Por ejemplo, la IA será utilizada para:
- a. Predicción de costos de producción (por ejemplo, utilizando previsiones meteorológicas para estimar el rendimiento de paneles fotovoltaicos o la temperatura del agua utilizada para la refrigeración de las plantas), planificación y programación.
- b. Planificación de intervenciones de mantenimiento también según cargas de trabajo previstas o estimadas
- c. Ajuste de los parámetros de las máquinas para optimizar los procesos productivos
- d. Mantenimiento predictivo
- Un módulo de informes avanzados, con funcionalidades de exportación de datos, con el fin de apoyar a la empresa en la evaluación sistemática, objetiva y periódica de su impacto ambiental para: evaluaciones ESG (Environmental, Social y Governance), obtención y mantenimiento de certificaciones de impacto ambiental como, por ejemplo, LEED, ISO 50001, ISO 14001 y EMAS, mediante la generación de datos en los formatos requeridos por dichas certificaciones.
- Un módulo basado en una IA tipo LLM, que asiste a la dirección en la consulta y gestión de la plataforma, permitiendo un diálogo con la misma y simplificando la experiencia del usuario. Por ejemplo, el módulo permite explicar los informes generados de forma textual, proporcionando también las referencias normativas y de las certificaciones correspondientes.