Tanto la evolución temporal de los datos energéticos como los procesos productivos de una fábrica aportan información valiosa sobre el consumo de energía, y es que, su monitorización permite identificar y predecir patrones de comportamiento energético para planificar los recursos de la industria. En este sentido, una gestión predictiva es una de las mejores opciones para optimizar las operaciones y para ajustar los contratos de energía (smart contracts).

BigDa Solutions trabaja para exprimir el poder de los datos de la industria y revolucionar su gestión energética con BEMP: una plataforma innovadora basada en el big data y la inteligencia artificial para monitorizar, controlar y predecir el consumo de electricidad, gas natural, agua y aire comprimido.

La digitalización de consumos como punto de partida

La digitalización permite obtener datos energéticos en tiempo real y conocer lo que está sucediendo en cada momento.

Hasta ahora, debido a la dificultad de captar datos de manera constante y automatizada, las empresas industriales han realizado una lectura de consumos puntual (generalmente manual), bien diaria, semanal o incluso mensual. La falta de información continua dificulta conocer el coste energético por unidad producida, ya que, al no distinguir las variaciones de consumo asociadas a los subprocesos y a las distintas fases de producción, no permite saber el coste energético de fabricación por una unidad.

La digitalización de datos en tiempo real y su procesamiento permite a las industrias saber qué está ocurriendo en términos de consumo al aportar información sobre la evolución del coste energético por cada producto y asociarlo a cada etapa del proceso de fabricación. No obstante, la digitalización es tan solo, el primer paso para analizar el progreso del consumo energético a lo largo de un día en una industria.

La digitalización de consumos permite pasar de un registro de datos de periodos no continuos, a uno automatizado en tiempo real. El escenario más común es pasar de captar un único registro diario, semanal o mensual, a tener por defecto, 96 registros diarios (si estos se adquieren en secuencias de 15 minutos), o más en función de la frecuencia de medición definida. Esta cantidad de información permite conocer exactamente cómo ha fluctuado el consumo energético y cómo están consumiendo cada una de las instalaciones de la fábrica.

¿Cómo mejorar la gestión energética gracias al forecasting?

La adquisición y la digitalización son tan solo una de las fases de la vida del dato, pero para obtener insights energéticos que mejoren la eficiencia energética de una fábrica, los datos deben pasar por diferentes fases: 

Antes de digitalizar los contadores energéticos, el primer paso es definir qué datos se deben adquirir y monitorizar, y para ello, es importante tener en cuenta que no todos los datos aportan valor a la estrategia de eficiencia energética de una empresa. Se necesitan establecer objetivos de negocio y medición pata obtener la información relevante para la gestión de la energía.

El segundo paso es filtrar los datos para lograr una calidad optima, un factor clave para el desarrollo de modelos predictivos de alta precisión. Así, el objetivo es obtener la mayor cantidad de datos de la mejor calidad posible para disponer de un histórico que represente las diferentes situaciones que se pueden dar en una fábrica, área, o línea de producción. Los datos captados en bruto deben filtrarse, procesarse y transformarse en información, ya que, en la mayoría de los casos, la cifra en bruto (como lo son los valores incrementales de los contadores) no indica qué es lo que está pasando en cada momento a menos que se preprocesen, como, por ejemplo, a través de filtros para desacumular los consumos por paso temporal.

BigDa Solutions se centra en que la vida del dato sea lo más automatizada, estable y segura posible para proveer un servicio en tiempo real de alta calidad y fiabilidad para aprovechar mejor los recursos energéticos.

Tras la captación y la filtración de datos, el tercer paso se centra en la obtención de información del consumo de energía a través de la generación de modelos predictivos de inteligencia artificial (forecasting). Las predicciones generadas a través de BEMP son soluciones no code altamente personalizables con las que cada empresa podrá mejorar su eficiencia energética a través de comparativas y simulaciones tanto a pasado como a futuro sin necesidad de programar.

En el caso de los modelos predictivos a pasado, estos simulan cuánto se debería haber consumido en una instalación concreta bajo unas condiciones específicas durante un periodo determinado y comparan esta simulación con los datos reales para detectar ineficiencias energéticas como posibles subconsumos y sobreconsumos. Esta comparativa sirve para mejorar de manera continua el procedimiento de operación y para definir formas de gestión que optimicen la eficiencia energética. En cambio, los escenarios a futuro predicen el consumo de la fábrica o de una de sus líneas o áreas para mejorar su planificación y su gestión energética, anticipando cómo y cuánta energía van a consumir de acuerdo a sus objetivos y capacidad de producción.

El cuarto paso es visualizar la información y los resultados obtenidos de los modelos predictivos en diferentes formatos, para entender mejor su evolución, la precisión y el comportamiento. Este paso se centra en conseguir insights energéticos aplicables que informen sobre el comportamiento energético de las empresas industriales. En esta fase se aplican metodologías de business intelligence para la definición de KPIs y la generación de informes y reportes con el objetivo principal de conocer qué está sucediendo al detalle en cada proceso y comparar el consumo real con las predicciones de los modelos de inteligencia artificial. Además, se pueden configurar alarmas y notificaciones para estar siempre informado sobre lo que está pasando en la empresa. 

Big data e inteligencia artificial para un futuro energético predictivo

Con un modelo de gestión predictivo, avanzamos hacia una Industria 4.0 en la que la eficiencia energética se basa en la digitalización, la analítica avanzada y los modelos predictivos de inteligencia artificial (forecasting). En este sentido, el big data es una tecnología fundamental para ayudar a las empresas a controlar su consumo energético a través de sus propios datos.

La misión de BigDa Solutions es analizar la relación entre el consumo energético y el proceso productivo.

Los datos dibujan un mapa del consumo; y mediante el tratamiento con inteligencia artificial, se desarrollan modelos predictivos para establecer comparaciones históricas o simulaciones a futuro, que analizan oportunidades de mejora de eficiencia energética, o lo que es lo mismo, ayudar a las empresas industriales a producir más consumiendo menos.

¿Quieres saber más? Descubre cómo ahorrar en energía y predice tu consumo energético del mañana

Revoluciona hoy tu consumo de energía con el big data