![\"Logotipo](\"https:\/\/paeelectronico.es\/PublishingImages\/Logo\/clusters-aei\/Logo-Gobierno-MINCOTUR-DGIPYME.jpg\"){kind=logo}
<\/a><\/p>\nEn ELECTROINGENIUM estamos participando junto con Kalfrisa en el desarrollo de un proyecto centrado en el desarrollo de algoritmos de mantenimiento predictivo para dos tipos de plantas industriales que trasiegan gases industriales: recuperador de calor de alta eficiencia (RAF) y un oxidador t\u00e9rmico regenerativo (RTO).<\/p>\n
Las acciones de mantenimiento predictivo se enmarcan en la evoluci\u00f3n 4.0 de la industria europea y vienen a complementar y mejorar las com\u00fanmente realizadas hasta la actualidad: mantenimiento correctivo y preventivo. As\u00ed, para ello se desarrollar\u00e1n diferentes t\u00e9cnicas de an\u00e1lisis y tratamiento de datos tanto de proceso como de estado funcional de los equipos con el objeto de determinar patrones de funcionamiento y derivas en el tiempo que anticipen malfuncionamiento, aver\u00edas, desgaste o fallos catastr\u00f3ficos.<\/p>\n
El estudio se realizar\u00e1 a dos niveles. Por una parte, se procesar\u00e1n aquellos datos \u00fanicamente realizados con el estado funcional de los principales equipos de las plantas mencionadas. Por otra parte, se estudiar\u00e1 el funcionamiento de las plantas como un todo, analizando su rendimiento y variables de operaci\u00f3n en apoyo a los gemelos digitales ya desarrollados para estas plantas y que servir\u00e1n como referencia comparativa para analizar las desviaciones entre el punto \u00f3ptimo y el real, observando las diferencias e identific\u00e1ndolas con aver\u00edas de equipos o del funcionamiento de la planta como tal. Posteriormente se integrar\u00e1n modelos basados en t\u00e9cnicas de machine learning dentro del propio sistema de monitorizaci\u00f3n de la planta, utilizando para ello c\u00e1lculo en la nube.
\nLa implementaci\u00f3n de estas t\u00e9cnicas permitir\u00e1 una reducci\u00f3n del mantenimiento innecesario y de las aver\u00edas en los equipos, resultando en una mejora de la productividad y una reducci\u00f3n del tiempo de inactividad de la producci\u00f3n. Por lo tanto, dependiendo de la precisi\u00f3n del m\u00e9todo de pron\u00f3stico que se aplique, el mantenimiento predictivo constituir\u00e1 una mejora global de la eficiencia en contraste con las pol\u00edticas de mantenimiento correctivo y preventivo que actualmente se aplican en KALFRISA.<\/p>\n
Un proyecto en el que est\u00e1n implicadas las empresas ELECTROINGENIUM y Kalfrisa bajo coordinaci\u00f3n del Cl\u00faster de la Energ\u00eda de Arag\u00f3n – Clenar
\nfinanciado por el programa Agrupaci\u00f3n Empresaria Innovadora (AEI) del Ministerio de Industria, Comercio y Turismo con n\u00famero de expediente AEI-010500-2022-22.<\/p>\n
<\/a><\/p>\n
![\"Logotipo](\"https:\/\/clusters.ipyme.org\/es-es\/PoliticaClusters\/NuevaPoliticaClusters\/Programa\/PublishingImages\/Logo-AEI-cluster.jpg\"){kind=logo}
<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"