Digitalización

El proyecto PRISMA utiliza la Inteligencia Artificial para reducir la huella de carbono del transporte de GNL

Se pretende desarrollar un modelo de predicción de consumos de alta precisión y adaptabilidad, empleando inteligencia artificial que permita programar las rutas de suministro de una manera más eficiente

Ningún comentario

El proyecto PRISMA nace con el objetivo de reducir las emisiones en el transporte del GNL (Gas Natural Licuado) optimizando las rutas de distribución del gas a las plantas satélite mediante un modelo predictivo de consumo del mismo, que considera diversas variables (meteorológicas, económicas, históricos de consumo…).

Con ello, se pretende desarrollar un modelo de predicción de consumos de alta precisión y adaptabilidad, empleando inteligencia artificial que permita programar las rutas de suministro de una manera más eficiente, reduciendo así el impacto sobre el medio ambiente.

Una iniciativa que surge debido a la complejidad asociada a la industria de suministro de gas natural licuado para el consumo energético, como es la gestión del producto para hacerlo llegar a los clientes industriales o particulares. La programación de la carga de los camiones cisterna y el diseño de sus rutas de suministro se viene realizando hasta ahora mediante fórmulas estáticas que predicen las necesidades del proceso en función del suministro realizado en fechas anteriores.

El suministro eficiente y limpio de GNL

La situación actual del suministro de gas, con un mercado del gas en tremenda inestabilidad tanto de demanda como de precios, necesita un seguimiento de las necesidades de rellenado de los depósitos capaz de adaptarse a los acontecimientos que se suceden y su influencia en el mercado. La manera de programar actualmente estas rutas de distribución hace que sean rutas ineficientes y, por lo tanto, en ocasiones redundantes o insuficientes llevando a una desorganización de la flota, incrementando considerablemente la huella de carbono del proceso de distribución.

El modelo predictivo que se desarrollará en el proyecto PRISMA, tomará en consideración variables meteorológicas, económicas, históricos de consumo y comportamientos del consumidor, entre otras. Tras considerar todas las variables, el modelo programará diversas rutas de suministro de GNL lo más eficientes posible, reduciendo los kilómetros que realizan los camiones cisterna y, por lo tanto, disminuyendo la huella de carbono del proceso de distribución.

PRISMA se enmarca dentro de las ayudas del Ministerio de Industria, Comercio y Turismo cofinanciado por los fondos Next Generation del Plan de Recuperación, Transformación y Resiliencia.

Para dar respuesta a la innovación tecnológica de PRISMA, el consorcio está formado por las empresas 1A Ingenieros y Signos IoT, que serán quienes diseñen el modelo predictivo de consumo de GNL y el sistema de programación de rutas de distribución. **Redexis **aporta la experiencia en el sector y la información necesaria para desarrollar la investigación e innovación. Además, el consorcio cuenta con el Clúster TIC de Aragón Tecnara y el Clúster de Hábitat Eficiente AEICE, quienes aportan su larga trayectoria en proyectos de investigación e innovación del Ministerio.

Se trata de una agrupación de entidades muy diversas centradas en dos provincias principalmente: Zaragoza y Valladolid, que colaboran por desarrollar una tecnología que mejore la situación global reduciendo las emisiones de carbono.

El proyecto se centra en una prueba piloto en algunas de las plantas satélite de Redexis. Para ello, a lo largo de la ejecución del proyecto, el consorcio ha realizado diversas visitas a las plantas satélites regasificadoras.

Con el trabajo realizado hasta el momento, se ha finalizado la etapa de Desarrollo de Machine Learning, consiguiendo desarrollar el modelo predictivo que emplea las variables establecidas y genera propuestas de rutas de suministro. Actualmente se continúa el trabajo de diseño del portal de gestión, para generar una plataforma innovadora adaptada a las necesidades del sector.

Noticias relacionadas

No hay comentarios

Deja tu comentario

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios

Este sitio web está protegido por reCAPTCHA y la Política de privacidad y Términos de servicio de Google aplican.