Skip to main content
European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

MOdel based coNtrol framework for Site-wide OptmizatiON of data-intensive processes

Article Category

Article available in the following languages:

Una plataforma de inteligencia artificial innovadora para mejorar la eficiencia de los recursos y la energía

Un laboratorio basado en datos permite a expertos colaborar, modelar, desarrollar y evaluar nuevas funciones de control predictivo de un modo rápido y rentable.

Tecnologías industriales icon Tecnologías industriales

Las industrias de procesos, que fabrican y transforman materiales en grandes cantidades, se basan en el uso intensivo de energía y materias primas. Por lo tanto, cualquier mejora de la eficiencia, por pequeña que sea, puede suponer un gran ahorro económico y en materia costes medioambientales. Esto es especialmente cierto en el caso de algunos procesos industriales específicos, como la fundición de aluminio primario, donde la producción se organiza en diferentes áreas (como la planta de producción de ánodos, las celdas electrolíticas y la sala de fundición) y todas ellas requieren un consumo considerable de energía y materias primas. Un modo de aumentar drásticamente el rendimiento consiste en emplear modelización predictiva, un gran número de sensores y sistemas de obtención de datos y técnicas de inteligencia artificial (IA). Sin embargo, la supervisión de los procesos productivos sigue siendo un problema porque requiere la obtención y el análisis de grandes cantidades de datos. Además, la adopción de funciones predictivas basadas en modelos no es siempre factible por un coste sostenible o con la fiabilidad necesaria. El proyecto financiado con fondos europeos MONSOON (MOdel based coNtrol framework for Site-wide OptmizatiON of data-intensive processes) se propuso superar este obstáculo mediante el diseño de un marco basado en datos y un conjunto de herramientas que facilitara la colaboración fluida de expertos de muchas disciplinas con el objetivo de incrementar la eficacia productiva de la industria de transformación europea. MONSOON utiliza métodos predictivos basados en IA para optimizar los procesos de producción en la planta o en el conjunto de las instalaciones.

Datos y desarrollo

El marco de MONSOON se divide en dos componentes principales: la plataforma de operaciones en planta en tiempo real y el laboratorio de datos multisectorial. La plataforma de operaciones en planta en tiempo real está diseñada para implantarse «in situ» y facilita diferentes funciones, a saber: la obtención de datos y la supervisión de los recursos en toda la planta; la gestión de flujos de datos y problemas de interoperabilidad; la detección de errores y problemas que podrían comprometer las operaciones de la plataforma MONSOON, y la ejecución de las funciones predictivas diseñadas, como la predicción de comportamientos anómalos en algunos procesos. El laboratorio de datos es un entorno de colaboración donde se reciben y analizan a escala flujos de datos de diferentes fuentes. Esto fomenta la colaboración entre científicos de datos y expertos en procesos, la modelización avanzada, la simplificación del acceso a los datos recopilados sobre el terreno y el diseño, el desarrollo y las pruebas de nuevas funciones predictivas. «Gracias a la solución MONSOON, los científicos de datos que colaboran con expertos en procesos pueden desarrollar, evaluar e implementar nuevas soluciones de control predictivo de un modo rápido y rentable, crear funciones predictivas con la ayuda de algoritmos de aprendizaje automático y realizar simulaciones; además, es posible que todo esto se pueda lograr usando datos en línea desde el entorno de producción conectado», explica Claudio Pastrone, director de IdC y del Área de Investigación sobre Tecnologías Ubicuas en Links Foundation.

La implantación de MONSOON

La solución MONSOON se puso en marcha y se probó en dos centros piloto, y se logró demostrar una predicción en tiempo casi real para la mejora de la calidad del producto y el mantenimiento de las máquinas. En una planta de fabricación de GLN en Portugal, MONSOON se utilizó para mejorar el moldeo por inyección. La otra instalación piloto se centró en la producción de aluminio primario, concretamente en lo relacionado con el carbono y la electrolisis, y contó con la participación de Aluminium Pechiney y de una planta de Liberty House, en Francia. A rasgos generales, el proyecto abordó factores relacionados con la digitalización de las fábricas, la recogida de datos y la creación de funciones predictivas específicas, y fomentó la colaboración entre científicos de datos y expertos en procesos. En el contexto de la revolución digital en curso de la industria 4.0 el proyecto MONSOON podría contribuir a una mayor adopción por parte de las industrias de transformación europeas de los sistemas de control y supervisión en toda la planta o el conjunto de las instalaciones. Puesto que se trata de una iniciativa que favorece la reducción del tiempo de transformación y el consumo de energía y recursos, también podría mejorar la competitividad y sostenibilidad de la industria europea a nivel mundial. Pastrone concluye: «Me gustaría destacar la labor de todos los socios de MONSOON y agradecer su colaboración, tanto en el contexto del proyecto como más allá de este. He tenido la oportunidad de trabajar con grandes profesionales de toda Europa».

Palabras clave

MONSOON, proceso, industrias, transformación, herramientas, sensores, IA

Descubra otros artículos del mismo campo de aplicación