Industrias electrointensivas

Minimizar el consumo de energía con las mismas instalaciones

Control en bucle cerrado destinado a reducir el perfil de consumo y mejorar el grado de simultaneidad, basado en la huella energética y el aprendizaje automático.

Beneficios

  • EFICIENCIA

    El uso optimizado de la energía permite ahorrar entre un 5 y un 15% de los costes a largo plazo

    • Las mejoras continuas de la eficiencia tienen como objetivo reducir entre un 10 y un 20% los gastos relacionados con la energía.
    • Las estrategias basadas en datos pueden suponer un ahorro del 5-10% a largo plazo.
    • El Edge Computing ofrece un potencial sustancial de reducción de costes a largo plazo del 15-25% en precisión.
  • Adaptabilidad

    La integración perfecta mejora la eficacia operativa sin interrumpir los procesos en curso

    • Se adapta a los cambios de proceso para ahorrar costes, evolucionando sin nuevas inversiones significativas.
    • La implantación interna permite mejoras continuas, garantizando la competitividad y la agilidad.
    • Garantiza tanto la competitividad actual como la resistencia futura frente a los cambios del sector.
       

Tecnología

Tecnologías de IA y adquisición de datos aplicadas en los bordes

Procesamiento en microsegundos para la detección de anomalías basada en IA en tiempo real

El análisis de señales en tiempo real optimiza la gestión de la energía

Identificación rápida de anomalías para mejorar inmediatamente la eficiencia y ahorrar costes mediante el procesamiento basado en IA.

Centrado en la medición de energía distribuida hasta 8 kHz

Esta experiencia proporciona información valiosa sobre el consumo de energía y el rendimiento del sistema.

Publicaciones

Autor: M. Bermeo-Ayerbe, Carlos Ocampo-Martinez, and J. Diaz-Rozo

Título: Data-driven energy prediction modeling for both energy efficiency and maintenance in smart manufacturing systems

Publicación: Journal of Energy, vol. 238, p. 121691

Fecha: January 2022

Más información

Autor: M. Bermeo-Ayerbe, Carlos Ocampo-Martinez, and J. Diaz-Rozo

Título: Adaptive predictive control for peripheral equipment management to enhance energy efficiency in smart manufacturing systems

Publicación: Journal of Cleaner Production, vol. 291, p. 125556

Fecha: April 2021

Más información

Autor: J. L. Diaz, M. Bermeo, J. Diaz-Rozo, y C. Ocampo-Martinez

Título: An optimization-based control strategy for energy efficiency of discrete manufacturing systems

Publicación: ISA Transactions, vol. 93, pp. 399-409

Fecha: October 2019

Más información

Casos de éxito

Contacta con nosotros