¿Podemos avanzar en la digitalización?

La digitalización se está dando en la sociedad desde hace décadas.

De hecho, desde los años 70 se han venido usando tecnologías digitales para gestionar electricidad y gas.

En la industria se ha usado la automatización de procesos durante décadas, maximizando la calidad y minimizando el uso de energía.

También ha ocurrido en transporte, en donde se ha mejorado mucho la seguridad, fiabilidad y eficiencia monitorizando las rutas, y optimizándolas vía software.

El sector ha sido pionero en la implementación de las tecnologías más novedosas para la operación de la red y el sistema eléctrico.

También, para la exploración y producción de los hidrocarburos líquidos, entre otros ejemplos.

Es decir, el desarrollo e implantación de la tecnología digital y del uso de internet están incidiendo rápidamente en el sector energético.

Por tanto, afectando y transformando la definición del modelo actual de demanda/consumo y oferta/producción.

Además, las tecnologías disruptivas presentan un inmenso potencial para la industria eléctrica.

Por eso, por ejemplo, el 43% de las empresas comercializadoras en USA están invirtiendo actualmente en tecnologías digitales como parte de su estrategia comercial general.

Sin embargo, del informe de 2019 de PwC sobre operaciones digitales en el sector, se desprende que el sector se encuentra, en muchos aspectos, al inicio de su camino digital.

La mayoría de los proyectos de digitalización que se han puesto en marcha afectan a las funciones centrales de las compañías, como los departamentos financieros, de distribución y de marketing.

Sin embargo, todavía queda mucho camino por recorrer en muchas tecnologías, tremendamente innovadoras, que están llamadas a transformar el sector.

Veamos algunas de ellas.

Inteligencia artificial: más que una tecnología

La inteligencia artificial no se puede considerar como una tecnología única.

Con su desarrollo masivo en los últimos años, ha derivado en una colección de herramientas, todas ellas del máximo interés para el sector manufacturero.

Por eso, entre ellas, por su aplicación a dicho sector, destacamos las fundamentales:

• La visión artificial, también conocida como visión por computadora (computer vision) o visión técnica.
  • Disciplina científica que incluye métodos para adquirir, procesar, analizar y comprender las imágenes del mundo real.
  • Su fin es producir información numérica o simbólica para que puedan ser tratados por un ordenador.

• El mantenimiento predictivo, técnica que emplea una serie de herramientas de machine learning para el análisis de datos de funcionamiento de máquinas o sistemas complejos.
  • Y, a través de ellos, poder detectar anomalías de funcionamiento que permitan anticipar posibles defectos y averías en su funcionamiento en los equipos de generación de energía.

• La predicción de demanda, que se realiza a partir de la analítica avanzada de los datos históricos.
  • Así, permite mejorar el ajuste del suministro de energía según las demandas en cada temporada, pudiéndose, con ello, optimizar, a su vez, las inversiones realizadas.

Por tanto, detengámonos en cada uno de ellos.

Cuando es la máquina la que revisa

En su aplicación al sector industrial, cabe destacar dos ventajas fundamentales que proporciona la visión artificial:

1. El reconocimiento óptico de caracteres (OCR):

• • Que permite extraer texto de imágenes y, por tanto, obtener datos de texto impreso o manuscrito en archivos de imagen y documento y en varios idiomas.

2. El análisis de imágenes:

• • Que extrae muchas características visuales de las imágenes, siendo útiles para conteo de materiales, detección de defectos, identificación de posiciones, etc.

De este modo, gracias a los algoritmos de Machine Learning y Deep Learning, es posible analizar imágenes visuales.

Así, podrá sacar información para poder tomar decisiones posteriores que pueden ser muy útiles para reducir la carga de trabajo en las centrales o parques y la posibilidad de error por acción humana.

Además, este sistema se puede combinar con la inspección a través de drones.

También, permite cubrir grandes superficies con una rapidez impensable reduciendo, además, posibles riesgos para la seguridad de las personas que conllevan trabajos en altura o en zonas peligrosas.

Anticipándonos a los defectos

En el sector energético, cualquier parada de un equipo de generación supone pérdidas cuantiosas.

Esto es, por la falta de producción asociada que, además, puede desequilibrar parte de la generación prevista de toda una red.

Por ello, poder anticiparse a cualquier fallo en un equipo permite a la factoría replanificar la producción y evitar cualquier desviación respecto de los niveles comprometidos.

En este sentido, gracias a la sensoración de los equipos de generación, es posible generar un gran volumen de datos de funcionamiento.

Además, pueden ser capturados a través de equipos habilitados para internet de las cosas y, con ello, analizados mediante modelos de machine learning.

También, estos modelos permiten predecir los plazos para posibles eventos de avería e, incluso, la proximidad al límite de vida de cada componente.

Esto hace posible anticipar la necesidad de limpieza de un panel solar cuando se identifican anomalías en la energía generada por cada panel.

De esta forma, se evita que tenga que ser una inspección visual humana la que determine esta necesidad, además de permitir anticipar ese proceso a una caída excesiva en el nivel de generación.

Además, lo mismo ocurre con ciertos defectos, como la suciedad en las palas de un aerogenerador, que pueden afectar a la generación de energía de modo similar.

También, en este caso, se pueden llegar a categorizar los distintos defectos en función de la forma en que afecten a la generación.

Así, se puede saber, de antemano, qué tipo de defecto se va a encontrar al revisar el equipo y cuál debe ser la solución.

De este modo, se pueden:

• Reducir los tiempos de parada de cada equipo.
• Optimizar el stock de repuesto y, con ello, la inversión asociada.
• Mejorar los planes de mantenimiento de los equipos, adaptándolos a la realidad de su funcionamiento en cada factoría.

Anticiparnos siempre a la demanda

El consumo de la energía y su demanda cambia a lo largo del tiempo.

Por eso, monitorizar los datos se convierte en una tarea indispensable para poder adelantarse a posibles eventos futuros con las decisiones adecuadas.

Por tanto, es necesario almacenar los datos, ya sea por lotes de forma periódica o en tiempo real, con la arquitectura adecuada.

De esta forma, se podrá analizar el conjunto completo de datos, no importando ni el origen ni la naturaleza de los mismos: sensores, servicios web, bases de datos, etc.

Es decir, mediante analítica avanzada, se podrán detectar patrones y variables clave que ofrecen información relevante.

Además, permite mejorar el ajuste de la oferta actual con la demanda esperable en cada momento.

A su vez, a través de los modelos de inteligencia artificial se puede usar dicha información para predecir los comportamientos futuros.

Y, también, entender la demanda y el consumo de la energía, con lo que se puede optimizar la inversión en nuevas infraestructuras.

¿Te interesaría saber más sobre cómo afecta la digitalización a tu empresa energética? En Bravent, queremos ayudarte a crecer.

¡Contáctanos para que uno de nuestros expertos pueda asesorarte!

Te recomendamos leer: Computer Vision, amplía el análisis de tu compañía