Monitorización y Analítica Avanzada para la eficiencia energética

En el sector industrial, la gestión de la energía y de las emisiones de CO2 aún son una de las principales preocupaciones de los CFOs y jefes de planta. Con el aumento de los precios de la energía y las crecientes regulaciones ambientales, gana importancia optimizar los procesos de producción y reducir el consumo de recursos.

Como anécdota, hace un par de años, cuando los precios de la energía se dispararon por causa de la invasión de Ucrania, un cliente me decía "¡estoy perdiendo dinero con cada producto que vendo y no sé cuánto consumen mis máquinas!". Esto no le impidió tomar algunas decisiones, como instalar paneles fotovoltaicos por todo el tejado de su instalación o suscribir un PPA, pero no tenía datos para optimizar el proceso de producción, ni los consumos de recursos.

Súmale a ello las obligaciones y recomendaciones de informar sobre las emisiones de CO2. Prácticamente todas las grandes empresas tienen que reportar anualmente las emisiones de Alcance 1 y 2, y aunque el Alcance 3 de momento está solo recomendado por ley y estándares, se espera que esto evolucione en el futuro – de hecho, la ISO 14.064 ya exige desde su versión de 2018 que se reporten las emisiones Alcance 3 que se consideren significativas.

Para que calculen su Alcance 3, tus clientes necesitan al menos que les reportes tu Alcance 2, y deberán asignar la proporción que corresponde a los bienes o servicios que les proporcionas. Por ejemplo, si tu empresa suministra componentes a un fabricante de automóviles, deberás informar de las emisiones de CO2 asociadas a la producción de esos componentes.

Ahora seguramente lleves eso a cabo sacando los datos de las facturas de tus suministros y aplicando promedios y coeficientes con una calculadora de emisiones, como tantos de tus compañeros. Sin embargo, ya hay algunos adelantados que están empleando monitorización para asignar a cada unidad producida su huella de carbono y reportarla a sus clientes, que solo necesitará sumar las huellas de las unidades adquiridas. 

Y es que no van a faltar razones para emplear monitorización en tiempo real. Algo así debió pensar Schneider Electric cuando se lanzó a adquirir AVEVA en 2022 por 9.600M de libras.

Pero cuando digitalizas y monitorizas, y tienes el dato encerrado en tu entorno, el siguiente paso obvio es torturar el dato hasta que confiese y comenzar a detectar ineficiencias. Ahí entran los gemelos digitales, los algoritmos predictivos y la optimización matemática.

Los gemelos digitales (digital twins), de los cuales hay varios tipos, pueden ser empleados de varias maneras para conseguir eficiencias. Mencionemos dos:

• Un gemelo digital físico puede replicar de manera exacta el funcionamiento de un sistema para ofrecer una línea de referencia de sus indicadores de producción, que en comparación con el dato monitorizado facilita detectar desviaciones, es decir, posibles ineficiencias.

• Un gemelo digital de simulación permite plantear escenarios “what-if”. Consiste en una maqueta que caracteriza cada uno de los componentes del sistema en la que podemos plantear situaciones hipotéticas y observar el efecto en la producción o consumo energético. Por ejemplo: si a mi muelle logístico llegasen un 30% más de contenedores en determinadas horas del día, ¿cómo afectaría eso a los tiempos de espera en los accesos?  ¿A dónde se irían los cuellos de botella?

Los algoritmos predictivos se sirven del histórico de datos para encontrar patrones, y claro, estos patrones pueden ser una mina de oro cuando se trata de reducir el consumo de energía. Imagina que tus máquinas te chivan cuándo se pueden producir picos de consumo innecesarios, calcular la vida útil restante de tus equipos o cuándo podrías ajustar la producción para evitar esos momentos de mayor gasto. Estos algoritmos te ayudan a anticipar el consumo futuro y a tomar decisiones más inteligentes y eficientes. Básicamente, es como tener un asistente digital que siempre está un paso adelante, buscando maneras de ahorrar energía, recursos y dinero.

La optimización matemática, por último, permite explorar de manera sistemática el espacio de soluciones posibles y encontrar la solución óptima a un problema. Puede ajustar la programación de una línea de producción para alcanzar los objetivos minimizando el consumo de energía, o la climatización de un edificio o nave sin afectar al confort de los ocupantes. Funciona realmente bien cuando se alimenta de algoritmos predictivos: una vez predices el futuro, tomas la decisión óptima.

Casos

Hay varios casos documentados. Atlantic Meals, de la mano de EDP, redujo un 17% su factura eléctrica modernizando equipos, introduciendo un sistema de monitorización de consumos y optimizando el consumo de aire comprimido, con toda certeza monitorizándolo y actuando sobre él sin afectar a la producción.

Toyota Motor Europe (TME) redujo un 28% sus emisiones en sus fábricas y un 35% los costes de producción desde la instalación de PI System de AVEVA, que emplean para identificar y reducir el consumo energético, especialmente en áreas como el taller de pintura.  El enfoque se basa en la filosofía japonesa de eliminar el “muda” (desperdicio) y optimizar procesos continuamente.

La transparencia muestra cómo TME pudo identificar gasto energético superfluo “invisible” en la fases previas y posteriores al tiempo productivo.

En conclusión, la monitorización acompañada de la analítica avanzada proporciona varias ventajas concretas:

• Ahorro energético y reducción de costes de producción

• Reducción de emisiones de CO2

• Cumplimiento normativo y de ISO 50.001

• Ganancias de eficiencia en el proceso de informe de GEI

Estos son beneficios que van más allá del simple ahorro energético. Facilita una gestión más eficiente y sostenible de los recursos, mejora la competitividad y apoya la toma de decisiones estratégicas basadas en datos sólidos y precisos. Dada la importancia de la energía en el sector industrial, adoptar estas tecnologías es crucial para el éxito a largo plazo.