Introducción

METALZERO_CO2 es un proyecto de innovación colaborativa en la que participan tres socios de MetaIndustry4: Aleastur Group, PISA Proyectos de Innovación y Talento transformación digital, junto con otras empresas nacionales: Faymasa Ingeniería y mecanizado, Velentia técnicas industriales y CTME, Fundación Centro Tecnológico Miranda de Ebro. Además, contamos con el Cluster de Bienes de Equipo en Castilla y León, CBECyL como socio, convirtiendo de nuevo el proyecto en una colaboración intercluster, en la que ambos desarrollarán actividades de difusión y transferencia de resultados que amplificarán el eco de METALZERO_CO2 a nivel nacional, llegando a todos los sectores industriales de aplicación de los resultados del proyecto, que suponen un amplio abanico en el escenario actual.

METALZERO_CO2 es un proyecto financiado por el Ministerio de Industria, Comercio y Turismo, a través de la Convocatoria de Agrupaciones Empresariales Innovadoras del año 2022b, en el marco del Plan de Recuperación, Transformación y Resiliencia.

Fase 1:

Esta actuación se desarrolla en el marco de:
Orden ICT/1117/2021, de 9 de octubre, modificada por la Orden ICT/474/2022, de 20 de mayo, por la que se establecen las bases reguladoras de ayudas de apoyo a agrupaciones empresariales innovadoras con objeto de mejorar la competitividad de las pequeñas y medianas empresas.

Objetivos fase 1

METALZERO_CO2 tiene como objetivo principal el desarrollo de una metodología para el análisis de sostenibilidad de los procesos de la cadena de valor del sector metalmecánico, a través de un sistema inteligente capaz de analizar en tiempo real los datos, detectar anomalías y simular escenarios que permitan elaborar propuestas de mejora de la eficiencia energética y reducción del impacto ambiental, garantizando la inmutabilidad de los datos recopilados.

Durante el desarrollo del proyecto se podrán:

1. Analizar en tiempo real los indicadores y detectar anomalías recurrentes, de manera que puedan ser corregidas.

2. Aplicar las recomendaciones para la reducción de consumos y emisiones de gases.

3. Analizar de manera predictiva las acciones de mejora.

4. Garantizar que los datos obtenidos son fiables, limitando las emisiones de CO2 u otros contaminantes a valores permitidos y aceptables.

Los participantes colaborarán estrechamente para lograr finalmente probar el sistema desarrollado en plantas de las industrias del sector, evaluando todas las capacidades previstas para proceder a su validación. Se trata de un objetivo muy ambicioso, que dará sus primeros pasos en los próximos meses para poder ser validado de una manera global por diferentes empresas de la cadena del valor en un futuro próximo.

Resultados fase 1

1. Se ha logrado avanzar en el tratamiento automático de los datos de las empresas en las que se han realizado las pruebas con el sistema desarrollado, con nuevos servicios básicos y avanzados que han ofrecido una nueva visión del tratamiento de los datos a las empresas.

2. Se ha obtenido un nuevo servicio de dashboard, algoritmos complejos de IA para la predicción de consumos y temperatura de revestimiento, así como una plataforma de IoT como base para los nuevos servicios que vean necesarios seguir explotando.

3. Se han testeado nuevas fuentes de datos y se ha logrado aprender de los sistemas de OPC UA y avanzar en los servicios de la plataforma de IoT. Asimismo, se ha podido testar un entorno muy diferente al tratado hasta entonces con la plataforma de IoT, logrando desarrollar un sistema de supervisión de la producción totalmente exportable a otros entornos que permite habilitar una nueva vía de servicios de IA para empresas industriales.

En este sentido, se propone como mejora ampliar el histórico de datos para optimizar los análisis, llegando al nivel diario (hasta ahora los análisis se hacían a nivel horario y minuto).

Conclusiones fase 1

En base al desarrollo del sistema y las pruebas realizadas se han analizado los resultados de las pruebas y se han extraído una serie de conclusiones resumidas a continuación:

1. Se ha establecido un análisis inicial de los datos recogidos a través de sensores de las máquinas de Faymasa y del horno de Aleastur. Se ha podido explorar analíticamente las variables recogidas por estos sensores, incorporando una descripción de las mismas y estudiando su comportamiento.

2. Se han identificado las variables relevantes para los casos de uso y se han eliminado o no tenido en cuenta aquellas variables que no aportaban en el sistema. Además, para los casos necesarios, se han incorporado nuevas variables externas para complementar los resultados y poder afinar más los modelos, como fueron el caso de la temperatura y las precipitaciones de la AEMET.

3. Se han desarrollado dos modelos de predicción para Aleastur y uno de clusterización para Faymasa. Si bien es cierto, se necesita un histórico mayor para poder desarrollar modelos más estables y fiables ya que sólo se disponía de datos de unos pocos meses. Un mayor histórico va a permitir realizar un entrenamiento con un mayor número de casuísticas, siendo mayor el proceso de aprendizaje del mismo.

4. Se han entrenado los modelos con todo el histórico disponible, y se ha desarrollado el proceso de Blockchain para certificar la huella de carbono de ambas empresas.

En resumen, se ha elaborado una infraestructura en torno al dato compuesta de diferentes herramientas para explotar el dato y poder tomar decisiones que van desde la captación de datos de diferentes fuentes de las empresas, visualización de la información con gráficas personalizables, mostrar indicadores relevantes en la toma de decisiones en tiempo real, poder hacer comparativas de datos, selección parametrizable de conjunto de datos en función de varias, sistema predictivo a partir de los datos recogidos por los sensores, sistema de supervisión de la producción basada en IA, etc.

Fase 2:

MetalZero_CO2 Fase II es un proyecto financiado por el Ministerio de Industria, Comercio y Turismo, a través de la Convocatoria de Agrupaciones Empresariales Innovadoras del año 2023, en el marco del Plan de Recuperación, Transformación y Resiliencia.

La segunda fase de este proyecto se justifica debido a la gran heterogeneidad de las actividades que conforman el sector metalmecánico, que obligan a seguir avanzando en el estudio de nuevos procesos mediante la incorporación de nuevos casos de uso dentro de los trabajos de sensorización y analítica de datos. El objetivo de esta fase es poder poner a disposición del sector una herramienta que permita democratizar el uso de la IA principalmente entre las PYMES de la cadena de valor, abarcando procesos que son empleados con mucha frecuencia en un gran volumen de las empresas que la conforman.

Objetivos fase 2

Despliegue de nueva instrumentación a nivel de hardware para la captación de datos relevantes y puesta en marcha de pasarelas de intercomunicación con los concentradores de datos establecidos.
Nuevos sistemas de recolección de datos software como lectores de ERPs o lectores de bases de datos que nos permitan completar la visión del problema a tratar con nueva información.
Realización de pruebas de validación técnica de los algoritmos entrenados en la primera fase en base a los nuevos inputs aportados por los casos de uso, y realización de modificaciones requeridas.
Explorar nuevas técnicas de IA para la resolución de los problemas detectados.
Comprobación de interoperabilidad de los diferentes equipos de hardware, ERP, etc; con la plataforma OPC de recogidas de datos y su análisis posterior.
Despliegue de nueva instrumentación a nivel de hardware para la captación de datos relevantes y puesta en marcha de pasarelas de intercomunicación con los concentradores de datos establecidos.

Resultados fase 2

1. Cálculo preciso y eficiente de indicadores de desempeño energético y medioambiental a nivel de instalación, proceso y fábrica.

2. Detección automática de variaciones significativas con análisis visual de causas, optimizando el rendimiento y reduciendo costes operativos.

3. Predicciones de consumo energético para generar ahorros en los suministros.

4. Predicción de indicadores medioambientales relevantes para acciones contra el cambio climático.

5. Planificación presupuestaria ágil y confiable de los costes energéticos futuros.

Conclusiones fase 2

El proyecto MetalZero_CO2 Fase II representa un hito significativo en la búsqueda de soluciones innovadoras y sostenibles en el sector metalmecánico. A través de la implementación de tecnologías de inteligencia artificial y análisis de datos, se ha trabajado en la mejora de la eficiencia energética y la reducción del impacto ambiental, con el objetivo de impulsar la competitividad y la resiliencia de las empresas del sector.

1. El proyecto MetalZero_CO2 Fase II ha logrado avances significativos en la implementación de tecnologías de inteligencia artificial y análisis de datos en el sector metalmecánico.

2. Los resultados obtenidos demuestran la viabilidad y eficacia de las soluciones desarrolladas, brindando herramientas clave para mejorar la eficiencia energética y reducir el impacto ambiental.

3. La capacidad de predecir y optimizar el consumo energético, así como la detección temprana de desviaciones, ofrece oportunidades tangibles para mejorar la competitividad y sostenibilidad de las empresas involucradas.

4. La democratización del acceso a estas tecnologías, especialmente entre las PYMES, promueve la innovación y el desarrollo económico en el sector.

En resumen, MetalZero_CO2 Fase II marca un hito en la transformación digital y la búsqueda de soluciones sostenibles en la industria metalmecánica. A través de la colaboración y el compromiso con la innovación, se ha sentado una base sólida para futuras mejoras y avances en la industria, contribuyendo así a un futuro más próspero y sostenible para todos.