Depuración Inteligente

El acelerado avance de las tecnologías ofrece cada vez más opciones para fortalecer el cuidado del medio ambiente. Una de las más innovadoras es la aplicación de inteligencia artificial (IA) para optimizar actividades clave como el tratamiento de aguas. ¿De qué se trata? Camilo Huneeus, ingeniero industrial químico y master en gestión ambiental por la Universidad de Yale, lo explica: "La inteligencia artificial es un concepto muy amplio, sin una definición consensuada. Los sistemas de IA actuales no son más que herramientas avanzadas de reconocimiento de patrones. Las personas no tenemos la capacidad de procesar y analizar la enorme cantidad de datos generados por los sistemas de monitoreo de las plantas, y ahí es donde entra la inteligencia artificial. Se trata, entonces, de modelos de caja negra cuyos parámetros son entrenados (ajustados) a partir de los datos operacionales. De este modo, los modelos son capaces de 'entender el funcionamiento' real de la planta, pudiendo así generar predicciones para todas las etapas del proceso".

El especialista resalta que todo ello puede significar diversos beneficios para los usuarios, como mejoras operativas y ahorros importantes en recursos claves como la energía.

Eso es parte de lo que revisamos en este artículo, en conjunto con algunas consideraciones y recomendaciones para aplicar esta herramienta.

Beneficios y Mejoras

Según explica Huneeus, a diferencia de los métodos convencionales de control, las herramientas de IA permiten analizar más variables, lo que redunda en mayores beneficios y opciones de mejoras para los procesos de depuración. "Para optimizar, mejorar o simplemente controlar una planta de tratamiento de aguas es necesario contar con datos de laboratorio propios de la cinética de reacción de cada planta. Estos parámetros fluctúan con el tiempo, la carga y el clima. Es por ello que, si bien una optimización o control basada en métodos tradicionales es buena, no es capaz de incluir las fluctuaciones naturales del proceso ni mucho menos considerar correlaciones y fenómenos específicos a cada planta", asegura el cofundador y gerente general de Ainwater, empresa nacional que presta servicios en esta área.

Añade que, sobre ese escenario, la inteligencia artificial puede:

• Ayudar al cumplimiento normativo: Al predecir los parámetros de descarga se puede evitar con anticipación que se sobrepasen.

• Crear alertas tempranas de excedencia de cualquier parámetro, "ya sean de entrada, descarga u operativos como el IVL (índice volumétrico de lodos) o los SST (sólidos suspendidos totales) en el reactor. De este modo, el operador puede prevenir problemas, no sólo reaccionar a ellos", apunta.

• Detectar anomalías y problemáticas. Al respecto expone: "Integrando datos operacionales, de laboratorio e imágenes es posible detectar anomalías operacionales y generar alertas predictivas para fenómenos de formación de espuma, bulking, entre otros".

• Optimizar el uso de energía: Estos sistemas pueden identificar de manera precisa cuáles deben ser las consignas de oxígeno disuelto, tiempos de aireación y dosificación de químicos en tiempo real para ahorrar energía. "Todos sabemos que si se baja el oxígeno se ahorra energía. La pregunta es ¿A cuánto?, ¿1.5 mg/l?, ¿1.42? La IA tiene la respuesta", grafica Huneeus, que con Ainwater ha desarrollado una plataforma de inteligencia artificial que optimiza el monitoreo y operación en plantas de tratamiento de agua, posibilitando ahorros de hasta un 30% de energía, entre otros beneficios.

• Entregar recomendaciones de control para apoyar al operador en la toma de decisiones: Con esta herramienta se puede, por ejemplo, determinar en tiempo real cuáles deben ser los caudales de purga, recirculación, simular el test de jarra y recomendar dosificaciones de floculante, coagulante, soda y otros insumos, pudiendo también ahorrar en este aspecto.

Un caso concreto en que se espera obtener estos y otros beneficios es el de la empresa sanitaria Aguas Araucanía que ya desarrolló un proyecto en el área comercial y ahora tiene otro en etapa de prueba en el área de operaciones, específicamente para el tratamiento de aguas servidas en una de sus plantas del tipo lodos activados. Su gerente de operaciones, Marcos Díaz, comenta al respecto: "El proyecto se encuentra en fase de implementación. Los beneficios esperados son el seguimiento de las variables operacionales en línea, de modo de asegurar el cumplimiento de los estándares de calidad determinados para la planta; un análisis multivariado de las tendencias del proceso; la generación de alertas de desviaciones de parámetros; la generación de alertas predictivas; y el desarrollo de herramientas de modelación, de modo de buscar la optimización del proceso con la consiguiente reducción de costos por uso de productos químicos y energía eléctrica".

Fases de Desarrollo

¿Qué etapas considera el proceso de desarrollo e implementación de este tipo de soluciones?

Camilo Huneeus responde: "En términos técnicos, para el operador de una planta es sencillo, puesto que sólo requiere dar acceso a su información operativa, ya sea al SCADA, sistema de gestión de datos, planillas Excel que maneje, u otro".

Añade que quién implementa la solución, por un lado, debe generar una interface visual cómoda para el operador o ingeniero a cargo y trabajar con esta persona para definir en conjunto los KPI (indicadores claves de desempeño) a alertar y optimizar. "Luego de ello, es necesario entrenar los modelos con los datos operacionales, un período que puede tomar de dos semanas hasta dos o tres meses de acuerdo a la calidad de la información disponible y la naturaleza del proceso", expone.

El especialista señala que el único requisito técnico para poder implementar soluciones de inteligencia artificial en sistemas depuradores de agua es que cuenten con el monitoreo de ciertos parámetros clave, de preferencia en tiempo real. Y luego destaca: "Lo bueno es que estas soluciones representan nulo riesgo, puesto que no implican modificación de los sistemas y las recomendaciones son validadas por el operador antes de implementarlas".

A modo de ejemplo, Marcos Díaz comenta que para desarrollar el proyecto en Aguas Araucanía "hemos considerado la selección de planta, ampliación de la cobertura de sensores y mediciones en línea de las variables relevantes del proceso, desarrollo de las aplicaciones para la captura y transmisión de la sensorización, la integración a nuestros sistemas de telemetría y base de datos, para luego disponer esta información en cloud para el acceso a la data de nuestro partner, AinWater. Luego con esta información y mediante la aplicación de algoritmos de IA, se generan los productos esperados del proyecto, los cuales se colocan a nuestra disposición mediante dashboard, en aplicaciones web o móviles".

Ejemplo de un modelo predictivo implementado con IA. En azul se muestra el dato histórico y en blanco, el proyectado

Avances, Trabas y Soluciones

De manera más general, Díaz comenta que ya son varias las empresas sanitarias que en nuestro país están probando estas herramientas tecnológicas. "La información que conocemos es que existen estos proyectos en fase de pilotos o implementación de pruebas en plantas similares a la nuestra", dice.

Por su parte, Huneeus sostiene: "En Chile, tanto sanitarias como industrias implementan este tipo de soluciones en otras áreas, desde sistemas de facturación y cobranza hasta incluso pérdidas de agua potable. Hoy también existen industrias que están aplicando estas tecnologías para aguas residuales y efluentes industriales. Por ejemplo, Ainwater está colaborando con Aguas Araucanía en una plataforma con modelos predictivos para el lodo activado y recomendaciones de control, y también con EcoRiles en una planta de efluentes de la industria de alimentos para apoyar al operador en su toma de decisiones y generar alertas predictivas para los principales parámetros operacionales".

Con respecto a las trabas que existen para avanzar en esta materia en nuestro país, el ingeniero industrial químico comenta: "La principal dificultad es la desconexión que suele haber entre las áreas de operaciones y sostenibilidad en las grandes industrias. Las áreas de sostenibilidad tienen el desafío de entender mejor el manejo de sus aguas y efluentes y de apoyar al área de operaciones, que debe resolver problemáticas del día a día y suele tener tiempo limitado para implementar nuevas soluciones".

Añade que también es importante distinguir entre monitoreo y optimización y control. "Son muy comunes las soluciones de IoT (interconexión de dispositivos y objetos a través de una red) para visualizar en tiempo real qué ocurre en una planta, lo que es muy necesario, pero no es suficiente para garantizar la calidad de la operación ni para optimizarla en tiempo real", apunta.

¿El costo de implementación de estas soluciones es una traba para su uso por parte de empresas de menor tamaño? Camilo Huneeus contesta: "Puede serlo sólo en el caso de requerir inversiones de capital para la instalación de sensores. Empresas como la nuestra ofrecen soluciones de sensorización a bajo costo que pueden hacer más fácil superar esta barrera. Además, cada vez es más común el modelo Data as Service, en dónde los sensores son arrendados, reduciendo así el costo de inversión inicial".

Desde su experiencia, Marcos Díaz, plantea su punto de vista en relación a los obstáculos que hay para una mayor aplicación de la inteligencia artificial en los sistemas de tratamiento de aguas y la forma de resolverlos: "Sin duda, la utilización de algoritmos de IA son una herramienta poderosa y con múltiples aplicaciones y en diversas industrias. A mi juicio la primera barrera a derribar, para los que tenemos una formación más determinística, es vencer nuestros propios prejuicios respecto a esta caja negra: los algoritmos, cuyas salidas, recomendaciones y/o productos no están en base los habituales balances de energía y masa. Lo segundo es que las respuestas de estas aplicaciones deben ser calibradas, es decir, sometidas a juicio crítico por un ojo experto, cuestión que no siempre se cuenta por el lado del desarrollador. Por eso es necesaria una colaboración estrecha entre el dueño del proceso y los implementadores o desarrolladores de estas soluciones".

Artículo publicado en InduAmbiente 179 (noviembre-diciembre 2022), páginas 20 a 22.