Estudio de eficiencia en el proceso de fundición de aluminio

Aingura insights

Pre-procesado Pre-procesado
Transporte y Almacenamiento Transporte y Almacenamiento
Transformación Transformación

Sectores

Industria Industria

Aplicaciones

Eficiencia de Consumos Eficiencia de Consumos

impacto

  • Potencial de mejora en la eficiencia energética entre un 7% y un 10% según el equipo.
  • Potencial de mejora en el consumo de energía en un 15% aproximadamente en sistemas de apoyo como el enfriamiento.

Desarrollar Tecnologías de Inteligencia Artificial (AI)

Análisis de patrones, predicción y clasificación inteligente.

Retos

  • Encontrar el patrón de consumo de energía de las torres de fusión de aluminio para detectar posibles mejoras en el uso de materia prima mixta.

resultados

  • Tamaño del & nbsp; conjunto de datos: 200 MB
  • Número de variables: 10
  • Tiempo de muestreo: 1 s
  • Mediante técnicas de clustering por mezclas gaussianas, se ha podido detectar el consumo energético del gas según la mezcla de materias primas.

Figure 15.Agrupación de datos desde una de las torres de fusión

 

  • Los valores medios, en este caso los valores centrales de cada conglomerado, han permitido diferenciar los 3 grupos distintos del mix promedio de fundición más relevante en cuanto a consumo de gas se refiere.
  • Adicionalmente, un análisis temporal permite analizar los clusters con mayor consumo de energía, en el caso de la Figura 16, el Cluster 1 es el que presenta las desviaciones más importantes, detallando el intervalo de tiempo en el que ocurre.
Cluster 0 cluster 1 cluster 2

 

Figure 16. Análisis temporal de la torre de fusión.

 

Contacta con nosotros