El objetivo general de este proyecto es investigar en Inteligencia Artificial de alto nivel, pasando de automatizar sistemas concretos a generar tecnologías con las que dotar de inteligencia y autonomía a sistemas ingenieriles tan complejos como una fábrica. Siguiendo las necesidades identificadas en el sector de la automoción con Volkswagen como empresa tractora, Ai-FACTORY se centra en la virtualización y automatización completa de las instalaciones de acondicionamiento térmico industrial y su operativa a través de una central térmica.
Para alcanzar dicho objetivo, se establecen los siguientes objetivos específicos:
• Definir un proceso de modelado térmico de naves industriales completamente basado en datos.
• Diseñar el gemelo digital que recree de forma virtual los procesos energéticos producidos en la operativa de
acondicionamiento térmico industrial.
• Simular en dicho entorno digital los estados futuros en base a las condiciones actuales para optimizar de forma
automática las estrategias de actuación.
• Reducir el consumo energético de estos procesos y sus emisiones asociadas garantizando el confort. La
reducción variará en función de agentes externos (condiciones climáticas, propiedades térmicas de cada edificio, etc.) pero se persigue una reducción superior al 5%
Para ello, AIN plantea una solución basada en retos tecnológicos de Inteligencia Artificial, Gemelos Digitales y Aprendizaje Profundo.
Así, Ai-FACTORY creará el primer Gemelo Digital del proceso energético relacionado con la adecuación térmica de una fábrica, trabajando sobre una planta tan compleja como la de VOLKSWAGEN en Navarra, y generará las herramientas para optimizar y automatizar el control de los equipos involucrados en dicho proceso industrial.
Para realizar el proyecto, VW Navarra ha puesto a disposición del mismo, datos históricos provenientes de la central térmica, datos meteorológicos, calendarios de actividad y de temperaturas de naves. El desafío de la propuesta es evaluar inteligentemente todos esos datos, con diferente origen y diferente calidad, para optimizar la estrategia de calefacción, balancear las calderas, manteniendo la temperatura de confort de las diferentes naves cuando hay actividad prevista en las mismas.
Para ello es necesario construir diferentes modelos predictivos de demanda de agua sobrecalentada, modelos térmicos de naves y un modelo climático con el fin de optimizar la estrategia de climatización.
Hasta la fecha, se ha empezado a construir un modelo de predicción de demanda térmica de la planta con algoritmos de Random Forest en una ventana temporal de 24 horas, teniendo en cuenta, el calendario laboral, las variables climáticas y las predicciones climatológicas. Se han realizado predicciones de demanda tanto con los datos de observación de la estación meteorológica de VW como con un modelo externo de previsión meteorológica.
En general, las predicciones eliminan los picos de consumo observados y tienen un comportamiento más suave que los consumos reales. Este modelo es un primer paso para la toma de decisiones de gestión de la Central Térmica para una potencial reducción del consumo de gas. El siguiente paso, de cara a poder recrear de forma virtual el proceso térmico completo del entorno industrial, es la modelización de las temperaturas de las naves.
Ai-FACTORY se alinea con el objetivo general del área del RIS3 Automoción y mecatrónica, abordando la generación de nuevo conocimiento en “tecnologías 4.0 y de fabricación avanzada para alcanzar los objetivos europeos de la “fábrica del futuro”: más eficiente, optimizada, inteligente, y automatizada”.
