En los últimos años, la industria en general ha experimentado una creciente incorporación de las llamadas cargas tecnológicas: equipo de control con microprocesadores y electrónica de potencia con el objetivo de mejorar el control y la eficiencia de los procesos de producción industrial.
El restablecimiento de estas fallas es dependiente de su severidad y del nivel de automatismos de los sistemas de protección eléctrica. Para las plantas industriales conectadas a la red eléctrica en media o alta tensión, la continuidad y confiabilidad del fluido eléctrico es fundamental para el desarrollo adecuado de sus operaciones.
Como es de imaginarse, las afectaciones económicas causadas por estas interrupciones en la producción son muy importantes; por lo que tener la capacidad de adelantarnos a ellas (predecirlas) y evitarlas es de gran interés para los inversionistas y responsables de estas instalaciones industriales.
· Diagnóstico de la situación actual
El monitoreo continuo de los Parámetros de Calidad de Potencia nos permite conocer el estado de salud de las redes eléctricas y de los equipos conectados a ellas, esto puede ser de gran utilidad en la prevención de fallas. Sin embargo, aun cuando existen dispositivos de medición eléctrica capaces de registrar variaciones casi en tiempo real de los parámetros de Calidad de Potencia; la gran cantidad de información que se genera hace imposible que un sistema transaccional o de inteligencia de negocios tradicional sea capaz de alertar cuándo una condición específica en el uso de la energía eléctrica puede derivar en una posible falla.
En la actualidad, el estado de las tecnologías de Medición Eléctrica Inteligente (AMI, advanced metering systems): medidores electrónicos avanzados que incorporan sistemas de comunicación; de las redes de comunicación, principalmente las de Internet de las Cosas (IoT, Internet of Things); de la interoperabilidad a través de protocolos y sistemas abiertos que permiten una adecuada conectividad; así como de los avances en procesamiento de grandes volúmenes de información y algoritmos de inteligencia artificial, particularmente de aprendizaje máquina (Machine Learning); hacen posible plantear novedosos enfoques y soluciones al tratamiento de los fenómenos de Calidad de Potencia.
Ideación
Para minimizar este problema y los impactos económicos que ocasiona, se implementó una solución tecnológica basada en un algoritmo de inteligencia artificial, específicamente de Deep Learning, con la capacidad de predecir oportunamente fallas a efectos de que el operador responsable de la instalación eléctrica lleve a cabo acciones preventivas para evitar que se materialice la posible falla. El algoritmo fue alimentado con un conjunto de datos provenientes de lecturas obtenidas por analizadores de redes eléctricas en un periodo de 6 años. En las primeras pruebas del modelo el algoritmo ya entrenado alcanzó un 97% de precisión.
Dada la importancia de empatizar y entender la necesidad real del cliente, se hizo un proceso previo de estudio y observación de la problemática desde una perspectiva del usuario final. Se recopilaron datos no estructurados sobre el fenómeno a tratar y de las experiencias de los operadores encargados de mantener dichas subestaciones eléctricas funcionales. A partir de este estudio y análisis se llegó a la conclusión de que un sistema predictivo sería lo más adecuado, dado esto, se recopilaron datos estructurados durante 6 años provenientes de la industria automotriz dónde se registra un gran número de parámetros que inciden en la calidad de potencia, siendo esta una parte fundamental para reducir los riesgos de interrupciones eléctricas inesperadas. Estos datos etiquetados servirán para entrenar un modelo de predicción.
Para el desarrollo del proyecto, se siguió la siguiente secuencia
- Ideas previas a la selección del algoritmo
- Planteamiento de la solución y Diseño
- Elementos de la solución
- Metodología
- Roles y perfiles para llevar a cabo el proyecto
- Implementación
- Preparación de los datos
- Prototipo del componente medular (Modelo de Aprendizaje Profundo)
- Evaluación del modelo
- Securicación y Anonimización
- Despliegue
- Mantenimiento
- Validación y diseño experimental
- Conclusión
- Bibliografía
Las capacidades de los equipos de computación de borde (edge computing), los dispositivos y redes de Internet de las Cosas (IoT), los servicios de nube y el avance de plataformas robustas de Inteligencia Artificial; hacen posible el planteamiento de soluciones como el presente caso de uso: Identificación temprana de condiciones de falla en instalaciones eléctricas de plantas industriales. El desarrollo de este proyecto permitirá que las plantas industriales eviten importantes costos asociados a paros no planeados causados por condiciones en el uso de la energía y que con otro tipo de sistemas era imposible detectar a tiempo.
Cumpliendo con uno de los objetivos de SGM actualmente ha desarrollado la solución planteada debido a que los modelos de negocio desarrollados han sido todos favorables.