Desarrollo de un gemelo virtual energético para una central hortofrutícola que participa en un "cluster" de gestión energética colaborativa

Fuente Santos, Alejandra de la (2019). Desarrollo de un gemelo virtual energético para una central hortofrutícola que participa en un "cluster" de gestión energética colaborativa. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingeniería Agronómica, Alimentaria y de Biosistemas (UPM), Madrid.

Description

Title: Desarrollo de un gemelo virtual energético para una central hortofrutícola que participa en un "cluster" de gestión energética colaborativa
Author/s:
  • Fuente Santos, Alejandra de la
Contributor/s:
  • Fuentes-Pila Estrada, Joaquín
Item Type: Final Project
Degree: Grado en Tecnología de las Industrias Agrarias y Alimentarias
Date: July 2019
Subjects:
Faculty: E.T.S. de Ingeniería Agronómica, Alimentaria y de Biosistemas (UPM)
Department: Economía Agraria, Estadística y Gestión de Empresas
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (2MB) | Preview

Abstract

En la actualidad, la eficiencia energética en las industrias, incluida la industria alimentaria, es un factor importante a la hora de mejorar la competitividad industrial y de reducir las emisiones de gases de efecto invernadero (la huella de carbono), mejorando la sostenibilidad medioambiental. De acuerdo con la norma ISO 50001:2018, el concepto más amplio de eficiencia energética se refiere a reducir la cantidad de energía que se utiliza para generar un bien o un servicio, sin afectar la calidad de los productos, el confort de los usuarios, ni la seguridad de las personas y bienes. Gran parte de las medidas para la mejora de la eficiencia energética que se están aplicando en la industria y, en particular, en las industrias agroalimentarias se basan en sustituir la maquinaria y los equipos que se emplean para la producción y la conservación de los productos o los sistemas de iluminación y climatización por maquinaria, equipos y sistemas más eficientes energéticamente. Se trata de decisiones de inversión que han de ser evaluadas financieramente, siendo el plazo de recuperación de la inversión (pay-back), el parámetro de la inversión que se suele utilizar para la toma de decisiones. Estas decisiones se suelen tomar asumiendo un ambiente de incertidumbre para la toma de decisiones, en el que se supone en el que las mejoras en la eficiencia energética que se van a obtener son conocidas con certeza. La eficiencia energética se suele medir mediante ratios entre la producción (el output) y el consumo energético para alcanzar esa producción (el input). Pero tanto a nivel de equipos como a nivel de línea de producción o de planta, este output y este input tienen una variación inherente. Podemos estudiar cuál es su distribución de probabilidad y aplicar técnicas de simulación para evaluar estas decisiones de inversión en un ambiente de riesgo para la toma de decisiones. Cuanto más fiable sea la información que utilizamos para construir estos modelos de evaluación, más realistas van a ser sus resultados y las decisiones adoptadas se adaptarán mejor al entorno específico en el que se van a implantar (Galvão et al., 2018). En realidad, el desempeño operacional, muchas veces medido como output por unidad de tiempo, es una variable probabilística que depende de una serie de factores interrelacionados. Los modelos de simulación de eventos discretos llevan tiempo utilizándose en la industria para comprender mejor el comportamiento operacional de una línea de producción, de una planta o de una cadena de suministro y para evaluar su desempeño, con el fin de identificar oportunidades de mejora. Estos modelos de simulación de eventos discretos están comenzando a utilizarse para evaluar simultáneamente el desempeño operacional y el desempeño energético de una línea de producción o de una planta adoptando un enfoque Lean & Green (Barth y Melin, 2018). La filosofía Lean & Green mantiene que los desperdicios Lean (sobreproducción, inventarios innecesarios, defectos, esperas, transporte, movimientos innecesarios, procesado inapropiado, potencial de las personas desperdiciado) están interrelacionados entre sí y con los desperdicios Green (consumo energético excesivo, consumo de agua excesivo, desperdicios físicos, emisiones de gases de efecto invernadero, contaminación del suelo, vertidos al agua, ruidos y molestias, potencial de las personas desperdiciado) y pueden reducirse simultáneamente utilizando metodologías como el Mapeo del Flujo de Valor Extendido o Sostenible (Fuentes-Pila et al., 2016). Los modelos de simulación permiten estimar el impacto de las reducciones en los inventarios innecesarios, las esperas o los defectos (desperdicios Lean) sobre el consumo energético y la huella de carbono ligada al consumo de energías no renovables (desperdicios Green) de equipos, procesos, líneas de producción o plantas. Asimismo, se pueden utilizar estos modelos de simulación para evaluar el impacto de incorporar maquinaria, equipos o sistemas más eficientes sobre el desempeño operacional. Otra aplicación de estos modelos consiste en visualizar como la mejora continua de la eficiencia operacional de los procesos de producción mediante la aplicación sistemática de metodologías y herramientas Lean se puede considerar también una medida para la mejora de la eficiencia energética (Caldera et al., 2019). La implantación de sistemas de monitorización continua de la energía, a nivel de equipos o maquinaria o a nivel de procesos, está generando grandes volúmenes de datos en tiempo real que pueden ser utilizados para ajustar distribuciones de probabilidad del consumo energético, pero también de ciertos parámetros operacionales como las horas de funcionamiento de los equipos y los procesos. El alto nivel de precisión con los que se estiman las distribuciones de probabilidad y los distintos parámetros permite desarrollar modelos de simulación de eventos discretos que podrían ser considerados gemelos virtuales o digitales del sistema de producción. Estos gemelos virtuales se pueden utilizar para identificar oportunidades de mejora y para evaluar el impacto de distintos escenarios de mejora del desempeño operacional sobre la eficiencia energética y viceversa, con un nivel de realismo que puede llegar a ser muy elevado si la monitorización se realiza a nivel de maquinaria y equipos. Todo ello contribuye a tomar decisiones basadas en información más fiable y conociendo los riesgos asociados con las mismas. El desarrollo de gemelos virtuales de los sistemas o de las líneas de producción es una de las soluciones de la Industria 4.0 que están contribuyendo a una mejora continua del desempeño operacional, lo que supone una mayor sostenibilidad económica y una mejora de la competitividad, y a una reducción del consumo energético excesivo, con la consiguiente reducción de la huella de carbono y la mejora continua de la sostenibilidad medioambiental.

More information

Item ID: 56978
DC Identifier: http://oa.upm.es/56978/
OAI Identifier: oai:oa.upm.es:56978
Deposited by: Biblioteca ETSI Agrónomos
Deposited on: 21 Oct 2019 10:42
Last Modified: 21 Oct 2019 10:42
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM