Muchas organizaciones con capital intensivo están evolucionando sus estrategias de IA Industrial y sustentabilidad para abrir camino en la creación de la planta del futuro. Este es un desarrollo interesante, ya que estas dos mega tendencias casi no se discuten en un contexto unificador y usualmente son consideradas como independientes una de la otra. Pero en realidad, la IA Industrial y la sustentabilidad son mutuamente catalíticas y sinérgicas, ya que ambas comparten los mismos motores económicos subyacentes para crear una mejor planta del futuro,  permitiendo operaciones más seguras, más ecológicas, que trabajen por más tiempo y que sean más rápidas.

En este blog veremos tres tendencias clave de la industria que yacen en la convergencia de la IA y la sustentabilidad, examinaremos cómo estas impactarán al futuro de las operaciones industriales y compartiremos ejemplos de casos que hay servido de apoyo a proyectos de transformación empresarial.

Optimización multidimensional: Una nueva realidad

Frecuentemente vemos cómo las organizaciones industriales tienen que hacer compromisos y tomar decisiones en una gama de metas empresariales. Uno de estos balances más difíciles es aquel entre las metas de productividad y sustentabilidad.

Tradicionalmente, los procesos industriales han optimizado sus operaciones enfocándose en productividad, calidad y rentabilidad. Sin embargo, con un aumento en la conciencia sustentable, ha habido cambios en la sociedad e industria impulsados por el cambio climático y la implementación de regulaciones, por lo que las operaciones del mañana deberán ser optimizadas en objetivos empresariales multidimensionales, tomando en cuenta las metas sustentables.

Algunas aplicaciones para esta tecnología incluyen:

• Modelado habilitado por IA y análisis de información de procesos para mejorar el consumo de energía y la capacidad de producción de máquinas industriales, reduciendo emisiones  y cumpliendo con los objetivos económicos.
• Evaluación de riesgos relacionados con sustentabilidad en ubicaciones de la empresa
• Soluciones de deep learning optimizado por Control Avanzado de Procesos (APC, por sus siglas en inglés) para estabilizar la producción y permitir un rendimiento más alto con menor consumo de recursos.

Aplicación de la optimización multidimensional 

Un cliente de AspenTech, líder global en producción de etileno, quería reducir la energía consumida en su unidad de etileno con inversión mínima de capital. Al utilizar el sistema de modelado Aspen Plus®, creamos un digital twin de la operación y después analizamos la información de las operaciones y el equipo usando Aspen Energy Analyzer™.

Basados en nuestras recomendaciones, se implementaron 20 proyectos ahorradores de energía. El cliente tuvo un aumento de un estimado de $10 millones de dólares en ganancias, una reducción de 3-4% en reducción de consumo de energía y una contribución del 3% a métricas de sustentabilidad.

Los análisis predictivos son fundamentales para el futuro de la seguridad, sustentabilidad y productividad 

Conforme concebimos las operaciones industriales en la nueva normalidad, la seguridad y la sustentabilidad son dos de las dimensiones empresariales más importantes en el futuro de las industrias intensivas en activos. Un ejemplo es el uso del análisis predictivo generado a través de IA Industrial para reducir sustancialmente el “venteo” o flaring no planeado. El Banco Mundial estima que esto contribuye a más de 350 millones de toneladas de emisiones de CO2  cada año a nivel mundial, lo cual equivale a aproximadamente 90 plantas potenciadas con carbón. Estas emisiones podrían ser reducidas de manera significativa incrementando la confiabilidad de los equipos para eliminar paros no planeados y las  emisiones que estos conllevan.

El mantenimiento predictivo también puede mejorar drásticamente la seguridad. El Consejo de Seguridad Química (CSB, por sus siglas en inglés) asegura que arranques y paros no programados contribuyen en hasta 50% a los incidentes de seguridad de la industria de refinación.

Con Aspen Mtell® y Aspen Fidelis Reliability™, AspenTech le ayuda a empresas a convertir los paros no programados en paros planeados utilizando modelos que brindan recomendaciones acerca de cómo mantener los límites de emisión de gases de efecto invernadero y operar dentro de los parámetros de seguridad. El mantenimiento predictivo impulsado por IA puede advertir a los operadores industriales de potenciales fallas en equipo inteligente con días, semanas en incluso meses de anticipación, reduciendo el número de paros imprevistos y manteniendo la producción dentro de los límites seguros de operación. 

Aplicación del análisis predictivo 

Varias organizaciones industriales están utilizando IA para acelerar sus metas de sustentabilidad y productividad. Recientemente. el grupo China National BlueStar escogió a AspenTech para acelerar su digitalización a través de la  incorporación de la inteligencia artificial. Esta colaboración le permitirá a BlueStar alcanzar mejoras significativas en la producción a través de sus negocios de químicos especializados.

La predicción temprana de desviaciones en el proceso significa que se pueden evitar problemas de calidad de productos y mitigar paros no previstos a través de análisis predictivo y prescriptivo en todo su equipo crítico. Al acelerar su transformación digital, BlueStar está posicionado para capitalizar oportunidades de mercado global en un mundo volátil, incierto, complejo y ambiguo (VUCA, por sus siglas en inglés).

Operaciones más ecológicas con importante ROI: Innovación impulsada con IA y captura de carbono

Las regulaciones del medio ambiente, la conservación de energía y agua, la calidad del aire y el cambio climático son preocupaciones centrales tanto para las organizaciones industriales como para sus clientes. En particular, la economía circular de los plásticos requiere un enfoque de todo el ciclo de vida  para la producción y uso extendido con el fin de conservar recursos y proteger el medio ambiente. Usando soluciones que aprovechan la información facilitada por la IA y machine learning, las compañías pueden buscar proyectos de renovación de energías como bioetanol, biodiésel, captura de carbono e iniciativas solares y eólicas,  aumentando la rentabilidad y confiabilidad con el menor capital.

Las regulaciones del medio ambiente, la conservación de energía y agua, la calidad del aire y el cambio climático son preocupaciones centrales tanto para las organizaciones industriales como para sus clientes. En particular, la economía circular de los plásticos requiere un enfoque de todo el ciclo de vida  para la producción y uso extendido con el fin de conservar recursos y proteger el medio ambiente. Usando soluciones que aprovechan la información facilitada por la IA y machine learning, las compañías pueden buscar proyectos de renovación de energías como bioetanol, biodiésel, captura de carbono e iniciativas solares y eólicas,  aumentando la rentabilidad y confiabilidad con el menor capital.

Otra área clave para mitigar el cambio climático es la captura de carbono en las operaciones industriales. AspenTech invierte constantemente recursos para el desarrollo de aplicaciones de modelado con IA integrada y que apoyen al diseño, validación y aumento comercial de tecnología de captura de carbono. Esto aumentaría la precisión, calidad y desempeño de los modelos a lo largo de todo el ciclo de vida de los activos industriales.

Aplicación para operaciones ecológicas con importante ROI

Un cliente global de AspenTech en la industria de manufactura, buscaba alcanzar la meta a nivel compañía de 10.3% en reducción de consumo de energía y gases de efecto invernadero para 2020. Se utilizaron las soluciones Aspen Performance Engineering para identificar más de 250 alternativas que les permitirían reducir su consumo de energía.

Hasta ahora, esta compañía ha implementado 31 de estas alternativas, con lo que han tenido un ahorro total de $19.2 millones de dólares al año. Esto quiere decir que el capital invertido de $22.4 millones de dólares se termina de pagar en 1.2 años, junto con un 12% de reducción en uso de energía y emisiones de carbono y una futura oportunidad de alcanzar otro 15% de reducción en su consumo energético.

Una ilustración de soluciones digitales en la industria química a lo largo del ciclo de vida

Basado en las tendencias resaltadas en esta gráfica (adaptada de SusChem), es evidente que la IA Industrial y las soluciones digitales son clave para alcanzar las metas de sustentabilidad. De hecho, las estrategias de transformación digital están aumentando su énfasis en objetivos relacionados con sustentabilidad, enfocándose principalmente en eficiencia energética, control de contaminación y optimización de la cadena de valor.

Tradicionalmente, los esfuerzos por eficientizar se enfocaban en el ahorro de costos, pero ahora las compañías se están centrando en métricas más específicas de procesos que toman en cuenta las emisiones y el uso de recursos. Adicionalmente, las empresas se están enfocando cada vez más en reducir desperdicios y descargas de las unidades de producción, así como en mejoras de eficiencia a través de tecnología digital.

La Agencia Internacional de Energía (IEA, por sus siglas en inglés) ha descubierto que la IA Industrial y las soluciones digitales pueden impulsar la eficiencia energética en hasta un 30% para operaciones industriales. La próxima generación de soluciones para optimización de activos proveerá la visibilidad, análisis e información necesarias para enfrentar los retos inherentes en alcanzar las metas de sustentabilidad.

Para saber más acerca de cómo las soluciones digitales están ayudando a compañías a enfrentar su responsabilidad con el medio ambiente, por favor lea nuestro reciente brief ejecutivo en inglés: La sustentabilidad toma el primer plano.