La calefacción y el enfriamiento suponen la mitad de la demanda energética en EU. Para poder cubrir estas necesidades energéticas, este sector debe reducir significativamente su consumo de energía.
Las nuevas instalaciones, con un número creciente equipos de calefacción, ventilación y aire acondicionado (HVAC, por sus siglas en inglés), producen grandes cantidades de datos y sería aptos para la aplicación de modelos de machine learning (ML) y técnicas estadísticas.
Antes de este experimento, se aplicaba un sistema determinista para detectar anormalidades de confort en más de 3.000 instalaciones de todo el mundo, con 600.000 variables monitorizadas resultando en 3 trillones de registros durante 5 años. El reto en este experimento era reemplazar el modelo previo por un modelo ML superior. Al igual que el modelo de fuerza bruta, el modelo de ML es numéricamente intensivo y necesita el uso de HPC.
La calefacción y el enfriamiento suponen la mitad de la demanda energética en EU. Para poder cubrir estas necesidades energéticas, este sector debe reducir significativamente su consumo de energía.
Las nuevas instalaciones, con un número creciente equipos de calefacción, ventilación y aire acondicionado (HVAC, por sus siglas en inglés), producen grandes cantidades de datos y sería aptos para la aplicación de modelos de machine learning (ML) y técnicas estadísticas.
Antes de este experimento, se aplicaba un sistema determinista para detectar anormalidades de confort en más de 3.000 instalaciones de todo el mundo, con 600.000 variables monitorizadas resultando en 3 trillones de registros durante 5 años. El reto en este experimento era reemplazar el modelo previo por un modelo ML superior. Al igual que el modelo de fuerza bruta, el modelo de ML es numéricamente intensivo y necesita el uso de HPC.
El ahorro de clientes conectados a la plataforma OTEAres operada por ECOMT será inmediato. OTEAres permite el apoyo a la toma de decisiones en tiempo real ofreciendo un servicio ininterrumpido a través de su centro de control, que es el departamento a cargo de controlar el correcto funcionamiento de las instalaciones, y solucionará incidentes de manera remota en el menor tiempo posible.
Algunos de los resultados obtenidos más destacados son:
1. La actualización de la versión determinista previa a un nuevo modelo de ML capaz de predecir y organizar un espectro más amplio de eventos.
2. Una herramienta fiable para evitar fallos en el equipo que puedan comprometer la actividad comercial.
3. Se estima un ahorro energético del 7% por instalación, una reducción del 30% en visitas de mantenimiento preventivo y una reducción del 20% en mantenimiento correctivo.
Como consecuencia directa, los beneficios comerciales son:
1. Más del 20% de incidentes registrados pudieron ser corregidos de manera remota sin la necesidad de un técnico.
2. Los clientes de ECOMT pueden tener un Plan de Responsabilidad Social corporativa y mejorar su imagen comercial.
3. El mantenimiento predictivo prolongará la vida de los equipos HVAC de los clientes y reducirá en número los que deban ser reemplazados.
4. Se estima que OTEAres conducirá una implementación progresiva de paneles eléctricos con características mejoradas que permitan su control remoto. El 50% de las instalaciones no están todavía adaptadas para su control, pero se estima que el 20% de estas instalaciones se adaptarán en 1 año y el 50% en 3 años, con el subsecuente manejo por ECOMT. Se anticipa un crecimiento en 1 año del 20% en ventas para paneles eléctricos y hasta del 50% en 3 años.
5. ECOMT espera doblar el número de instalaciones controladas a corto plazo extendiendo su servicio a todas las instalaciones conectadas en este momento, y cuatriplicar este número a largo plazo, con la estimación de producir 1 millón de euros de ganancia total anual.
6. Conocimiento sobre el desempeño práctico y la utilidad de los modelos predictivos desarrollados por ITMATI/Universidad de Vigo en problemas industriales reales.
7. Experiencia en la implementación de tecnologías matemáticas en el contexto de la eficiencia energética para ITMATI/Universidad de Vigo.
Beneficios:
1. Los clientes de ECOMT pueden lograr un ahorro del 7% en su factura de electricidad utilizando este sistema de monitorización.
2. La implementación de paneles de control en instalaciones que todavía no están monitorizadas se acentuará, con una estimación de 15 millones euros de ganancias para ECOMT en 5 años incluyendo ventas de equipos, monitorización y manejo de incidencias.
3. La gestión de instalaciones con OTEAres doblará la ganancia anual de ECOMT, alcanzando 600.000 euros al año.
ECOMT es una empresa TIC española que desarrolla e integra el control remoto y la monitorización de instalaciones. CESGA es un centro para la computación, comunicaciones de alto rendimiento y servicios avanzados. GOMPUTE es un proveedor sueco líder en simulación y soluciones de HPC. ITMATI es un centro tecnológico para la matemática industrial que provee soluciones avanzadas para negocios y colabora con la Universidad de Vigo, que participó como experto en métodos estadísticos y algoritmos.
El proyecto EuroCC ha recibido financiación de la Empresa Común Europea de Informática de Alto Rendimiento (European High-Performance Computing Joint Undertaking- EuroHPC-JU) en virtud del acuerdo de subvención No 101101903. La EuroHPC-JU recibe apoyo del programa de investigación e innovación Horizonte 2020 de la Unión Europea y de Alemania, Bulgaria, Austria, Croacia, Chipre, Dinamarca, Eslovenia, España, Estonia, Finlandia, Grecia, Hungría, Irlanda, Italia, Lituania, Letonia, Polonia, Portugal, República Checa, Rumania, Suecia, Reino Unido, Francia, Países Bajos, Bélgica, Luxemburgo, Eslovaquia, Noruega, Suiza, Turquía, República de Macedonia del Norte, Islandia y Montenegro.
EuroCC Spain
Edificio CRAI-TIC, Campus de Vegazana s/n.
Universidad de León, España
Tel. (+34) 987 293 160
mail: eurocc@res.es
Copyright © 2021 EuroCC. Todos los derechos reservados.
