Trabajan en el desarrollo de una herramienta que optimizará el coste eléctrico de las fábricas de cemento a partir de inteligencia artificial
La Universidad de Sevilla y la Fundación Laboral Andaluza del Cemento y el Medio Ambiente (Flacema) han firmado un convenio de colaboración científica para poner en marcha este proyecto de investigación industrial. La investigación, que ya tiene avanzada una parte del planteamiento matemático, usará varias herramientas de inteligencia artificial, como redes neuronales, algoritmos Backpropagation y algoritmos genéticos y permitirá optimizar el coste eléctrico de dos maneras. Por un lado, se centrará en la recombinación óptima de ciertas variables que intervienen en el proceso industrial de fabricación de cemento y de los precios regulados que afectan a las industrias intensivas; y por otro, se diseñará un modelo de predicción de precios de mercado de cara a poder optimizar la compra de la electricidad.
Fuente: Universidad de Sevilla
La Universidad de Sevilla y la Fundación Laboral Andaluza del Cemento y el Medio Ambiente (Flacema) han firmado un convenio de colaboración científica para poner en marcha un proyecto de investigación industrial, con el que se desarrollará una herramienta que permitirá optimizar el coste eléctrico de las fábricas de cemento a partir de herramientas de inteligencia artificial.
Fábrica de cemento.
La industria cementera española se ha visto muy afectada en los últimos años por ciertos factores que han mermado de manera importante su competitividad, como reducidas tasas de sustitución energética y coste eléctrico superior a la media europea. Concretamente, el coste eléctrico de una fábrica de cemento representa alrededor del 18 % de su coste total, lo que supone un factor de competitividad de gran importancia, sobre todo a la hora de operar en los mercados exteriores frente a países con costes de producción muy ajustados.
Ante este escenario, la investigación que la US y el sector cementero andaluz han puesto en marcha supone un ejemplo claro de transferencia de conocimiento entre universidad y empresa, que contribuirá al desarrollo de una herramienta digital de gran utilidad para mejorar la competitividad de un sector industrial.
La investigación, que ya tiene avanzada una parte del planteamiento matemático, hará uso de varias herramientas de inteligencia artificial, como redes neuronales, algoritmos Backpropagation y algoritmos genéticos. Permitirá optimizar el coste eléctrico de dos maneras. Por un lado, se centrará en la recombinación óptima de ciertas variables que intervienen en el proceso industrial de fabricación de cemento y de los precios regulados que afectan a las industrias intensivas; y por otro, se diseñará un modelo de predicción de precios de mercado de cara a poder optimizar la compra de la electricidad.
El investigador principal del proyecto y director general de Flacema, Manuel Parejo, realiza este proyecto en el marco de Programa de Doctorado, para el que se solicitará la mención industrial.
Flacema es una entidad en la que participan las empresas que fabrican cemento en Andalucía -Cementos Cosmos (Votorantim Cimentos); Grupo Cementos Portland Valderrivas; FYM-HeidelbergCement Group; Cemex y LafargeHolcim-; y los sindicatos CCOO Construcción y Servicios de Andalucía y UGT FICA Andalucía.
Últimas publicaciones
La Fundación Descubre-Consejería de Universidad, Investigación e Innovación y la Universidad Pablo de Olavide coordinan esta entidad regional que persigue la atención y asesoramiento a las iniciativas basadas en la participación activa de la ciudadanía. En su nueva convocatoria de ayudas, financiará 8 proyectos que aborden retos científicos y sociales de la región hasta junio de 2027.
El proyecto está financiado por el programa Erasmus+ de la Unión Europea y cuenta con la participación de instituciones de Italia, España y Francia.
Sigue leyendo
Un equipo de investigación de la Universidad de Cádiz ha creado un sistema basado en aprendizaje profundo capaz de localizar y clasificar automáticamente anomalías en radiografías de tórax. Los resultados mejoran la precisión de otros métodos utilizados y lo validan como una herramienta con potencial para dar soporte a la evaluación precoz de patologías del pulmón.
