Proyecto COGNIPLANT

Indicadores y procesos de mejora

•Reducción del material de desecho. En la producción de acero inoxidable, no es posible comprobar la calidad en cada paso, postergando la detección de errores, lo que incrementa el volumen de rechazo interno. Mediante modelos de ML que permitan establecer relaciones ocultas entre los procesos y los problemas de calidad que estos presentan, se plantea una mejora del 5%.

•Maximización de la eficiencia energética del horno eléctrico. Se recopilan/procesan datos del proceso de fundido del horno para la creación de un Gemelo Digital basado en modelos de ML, que facilite la búsqueda del proceso óptimo de fundido de los componentes. Se tendrá en cuenta el grado de acero objetivo y los elementos de la colada. El objetivo es una optimización del 5%, pasando de 46 a 43.7 Millones de KWh.

•Maximización de la eficiencia del horno AOD, con una reducción estimada del 5.5%, pasando de 15.9 a 15.4 Millones de KWh, mediante modelos de ML que optimicen su consumo energético y de gases.

Cuantificación/Estimación reducción consumo

El proyecto Cogniplant busca un ahorro energético de 3.5 GWh, gracias a la implantación de la digitalización completa de la información de la planta de ACVA en Amurrio, así como a la explotación integral de dicha información mediante diferentes sistemas de ML, que permitan ofrecer las recomendaciones para la optimización de la producción. Concretamente se busca:

•Optimización de los hornos, tanto el de fundición como el de descarburización, para que logren una temperatura objetivo óptima. Esto supondrá hasta un 5% de ahorro energético posible, equivalente a un ahorro energético anual aprox. de 3.000 MWh.

•Aumento de la eficacia del proceso de la planta, cubriendo desde fundido, lingotado y forja, hasta la creación de tubos y los problemas de calidad que estos presentan. Esto se conseguirá gracias a la reducción de los defectos/rechazos, con una disminución de los problemas de calidad de hasta un 10%.

Cuantificación/Estimación reducción emisiones CO2

Además de optimizar la cantidad de energía consumida en los procesos de fundido relacionados con el proceso de fabricación de tubos de acero inoxidable, Cogniplant permite evitar no sólo problemas de suministro de materias primas, sino la reducción de las emisiones de CO2 en más de un 15%, en línea con el objetivo de la UE.

•Ahorro total anual estimado de CO2: 6.000 Toneladas de CO2/año.

Innovación aplicada y buenas prácticas

ACVA ha constatado la innovación que supone la digitalización avanzada y la gestión inteligente de las industrias de proceso. Ahora podrá contar con una visión novedosa de la monitorización y el análisis de datos, aprovechando los últimos desarrollos en analítica avanzada y razonamiento cognitivo, junto con un uso disruptivo del concepto Digital Twin para mejorar el rendimiento de la operación. Los desarrollos realizados pueden extrapolarse a otras plantas de la industria de procesos.

•Se formaliza un sistema de captura de todos datos industriales relevantes. También puede incluir el procesado en Edge y un almacenamiento en un Datalake centralizado.
•Se analizan las variables mediante diferentes sistemas de ML. Facilita la creación de un sistema de visualización avanzada de la información que transmite el conocimiento descubierto por los modelos de ML al operador.
•Se crea una herramienta de soporte a la decisión que proporciona la optimización y la creación de planes operacionales.

Usabilidad de Tecnologías de la Información y Comunicaciones

La información de los 6 grandes procesos que componen la planta de Amurrio se obtiene de sensórica instalada exprofeso y, sobre todo, de los sistemas de gestión preexistentes. Toda esta información conforma el Datalake interno en el que se recoge la información para su posterior envío a la plataforma Cogniplant.

Esta información almacenada en el Datalake Cloud de Cogniplant sirve de origen de datos a las diferentes herramientas de ML que conformarán los procesos de análisis y decisión.