Optimización de recursos energéticos y materias primas en procesos industriales mediante técnicas avanzadas de tratamiento de información y visualización del conocimiento
- RODRIGUEZ CUESTA, SERGIO
- Ignacio Díaz Blanco Director
- Abel A. Cuadrado Vega Co-director
Defence university: Universidad de Oviedo
Fecha de defensa: 09 January 2009
- Guillermo Ojea Merín Chair
- Faustino Obeso Carrera Secretary
- Manuel Dominguez Gonzalez Committee member
- Joaquín Bienvenido Ordieres Meré Committee member
- Emilio Soria Olivas Committee member
Type: Thesis
Abstract
RESUMEN (ESPAÑOL) La presente tesis aborda de forma holística el problema de optimizar la cadena de revalorización del conocimiento en la industria del acero. Para ello, se ha utilizado como caso de estudio la investigación en nuevos planteamientos para la mejora de la eficiencia global de un proceso industrial complejo como es la fabricación de acero mediante ruta integral. De forma genérica, esta eficiencia global viene determinada según el grado de aprovechamiento de los recursos energéticos y de las materias primas empleados durante el proceso productivo. En el caso particular de la industria del acero, este hecho constituye un reto espectacular en términos de investigación y desarrollo, debido a la magnitud y al potencial de las cifras del sector, siendo en la actualidad, la tercera fuente mundial de emisiones de CO2, teniendo un consumo energético medio de 24 GJ por tonelada de producto fabricado, produciendo más de 1300 millones de toneladas al año en todo el mundo o, al mismo tiempo, registrando la tasa más alta de reciclado a nivel industrial, superando a las industrias del aluminio, papel, vidrio y plástico juntas. Así, partiendo del concepto genérico de impacto de fabricación de productos de acero, se ha aplicado un proceso descendente para llegar a su traducción en distintas categorías, definidas en función de la naturaleza intrínseca de los principales elementos que integran la estructura general de consumos y, por tanto, de costes de producción. El siguiente paso ha sido dotar a cada una de esas categorías, con elementos concretos y medibles dentro del proceso productivo, como son los llamados indicadores de eficiencia. Por otra parte, gracias al motor de trazabilidad de producto desarrollado, ha sido posible registrar el valor de dichos indicadores en cada paso de la ruta de fabricación. Obtenida esta información, comienza un proceso ascendente para la generación de nuevo conocimiento, mediante el empleo de los indicadores de eficiencia como elementos fundamentales de información sobre los productos y procesos asociados. El análisis masivo de indicadores asociados a subconjuntos de productos agrupados en base a distintos descriptores, es el que permite a los distintos agentes incluidos en la cadena de decisión de la empresa, detectar en tiempo real desviaciones respecto al punto de producción óptimo y tomar acciones convergentes de mejora. Para logar este objetivo, se han desarrollado distintas técnicas para la visualización de información masiva y la extracción y representación de conocimiento, basadas en la capacidad de percepción visual del ser humano, su facilidad para razonar mediante estímulos visuales, así como con ideas y conceptos difusos. Para ello, se ha barrido un amplio espectro de técnicas complementarias de minería de datos relacionadas con el tratamiento y visualización de datos secuenciales, métodos de segmentación e inferencia como árboles de decisión, técnicas de reducción de la dimensionalidad, visualización masiva de correlaciones o hibridación entre lógica difusa y redes neuronales auto-organizadas para el modelado y monitorización de condiciones de proceso. Como aspecto clave, se ha tenido en cuenta la importancia de alcanzar un compromiso óptimo entre la precisión, esto es, con qué nivel de exactitud describe el modelo a la realidad, y simplicidad, sin la cual sería inservible para esta aplicación concreta. Se trata, por tanto, de disponer de nuevas herramientas para explorar, identificar y corregir de forma óptima las principales causas de impacto en la producción, a través de la implementación final de acciones correctivas concretas de mejora continua, así como la concepción de nuevos objetivos de mejora que afecten al propio modelo de negocio de la empresa. Finalmente, la cantidad de conocimiento útil extraído, los prometedores resultados obtenidos durante el periodo de pruebas y el alto grado de aceptación del sistema por parte de los usuarios finales, han motivado el establecimiento de niveles potenciales de reducción de impacto total del 0.2% en el coste final de cada unidad de producto. Esto supone un retorno económico muy significativo para la planta piloto del sistema, un dato muy importante para el desarrollo sostenible del sector y el lanzamiento de nuevas líneas de investigación y desarrollo para su escalado industrial y su aplicación en distintos entornos.