Estudio de eficiencia energética en el patrón de consumo de la línea de cobertura de chocolate

Aingura insights

Adquisición de datos Adquisición de datos
Pre-procesado Pre-procesado
Transformación Transformación

Sectores

Energía Energía

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% aprox. en sistemas de apoyo como refrigeración.

Desarrollar Tecnologías de Inteligencia Artificial (AI)

Análisis de patrones, predicción y clasificación inteligente

objetivos

  • Explorar el patrón de consumo del sistema de producción para detectar consumos de energía eléctrica ocultos que sean lo suficientemente grandes como para impactar en el consumo total.
  • Proporcionar un nivel avanzado de análisis de consumo energético después de aplicar técnicas tradicionales de eficiencia.
  • Detectar situaciones atípicas en las que el consumo energético se desvía del consumo normal para incluirlas en la próxima versión de las políticas medioambientales y de consumo energético de la empresa.

resultados

  • Tamaño del conjunto de datos: 500 MB.
  • Número de variables: 7.
  • Tiempo de muestreo: 1 s.
  • Se han aplicado algoritmos de agrupamiento exploratorio (mixturas gaussianas, k- medias, aglomerados) para buscar consumidores atípicos o desviaciones del consumo de energía.
  • Se han utilizado técnicas de escalado multidimensional para analizar visualmente estos patrones.

 

GMM clustering anakysis

Figure 17. Patrón de consumo de la línea de recubrimiento de alimentos.

 

  • También se ha realizado un análisis temporal del patrón de consumo. Se detectó una desviación relacionada con un incendio en el banco de capacitores un mes después. Esto se muestra en la Figura 18.

 

Cluster 0 Cluster1

 

Figure 18. Análisis temporal del patrón de consumo.

 

  • Los Cluster 0 y 1 muestran el cambio en el comportamiento del sistema desde el punto de vista energético a principios de septiembre. El grupo 1 contiene todos los datos desde ese cambio hasta el incendio de fines de octubre.
  • El Cluster 2 también muestra otros patrones de consumo aleatorios que implican un aumento en el consumo promedio de la línea, los cuales deben ser estudiados.

Contacta con nosotros