![\"Webinar](\"https:\/\/www.semantic-systems.com\/semantic-noticias\/wp-content\/uploads\/2020\/01\/Webinar-repcon-DPA-Semantic-Systems.jpg\")
<\/a><\/p>\n<\/p>\n
Semantic Systems tiene una herramienta clave para adelantarse a la generaci\u00f3n de los datos a analizar para determinar la optimizaci\u00f3n de la energ\u00eda en una planta: se trata de los llamados \u2018gemelos digitales\u2019, es decir, generar modelos y escenarios probables ante la captaci\u00f3n de diferentes datos. El objetivo prioritario es optimizar las horas de encendido y apagado del sistema de climatizaci\u00f3n de una planta\/edificio\/f\u00e1brica (HVAC), seg\u00fan lo que se establezca (temperatura interior entre 21 y 26\u00baC y humedad relativa entre 30% y 70%)<\/p>\n
<\/p>\n
El proceso pasa por dos fases: primero, generar un modelo de predicci\u00f3n de la temperatura interna de la planta en base al hist\u00f3rico (interiores, set points, horarios de encendido\/apagado de climatizaci\u00f3n, turnos\u2026) y al hist\u00f3rico de temperatura exterior, informaci\u00f3n que puede llegar a trav\u00e9s por ejemplo de AEMET. Es decir, generamos un primer \u2018gemelo digital\u2019 simulando las condiciones dentro de la f\u00e1brica. Los datos hist\u00f3ricos nos servir\u00e1n para entrenar al modelo de predicci\u00f3n. Finalmente, con los datos de predicci\u00f3n de temperatura exterior tambi\u00e9n servidos por AEMET podemos elaborar un modelo de temperatura interior.<\/p>\n
<\/p>\n
Una vez conseguido este objetivo, pasamos a la segunda fase.\u00a0 Aqu\u00ed los datos vienen dados por horarios de encendido\/apagado aseg\u00fan el coste de la energ\u00eda a los que a\u00f1adimos el resultado del modelo anterior que nos permitir\u00e1 decidir el momento de encendido. As\u00ed, hemos creado un modelo prescriptivo. El resultado final determinar\u00e1 un horario de encendido\/apagado \u00f3ptimo para el sistema de climatizaci\u00f3n optimizado.<\/p>\n
<\/p>\n
Gracias a los llamados \u2018gemelos digitales\u2019 que Semantic Systems implementa a trav\u00e9s de su plataforma repcon de captaci\u00f3n de datos en planta (NOSQL, MQTT, OPC\/UA) y que generan simuladores y escenarios virtuales, se puede reducir el consumo energ\u00e9tico y, por tanto, los costes de producci\u00f3n de una empresa.<\/p>\n
<\/p>\n
El proceso simulado, gracias a los \u2018gemelos digitales\u2019 nos origina un c\u00e1lculo, en este caso de gasto energ\u00e9tico, que permite adelantarse a todo el proceso y modificar para nuestra conveniencia, o ahorro productivo, alguna de las variables.<\/p>\n
<\/p>\n
\n
<\/p>\n
![\"\"](\"https:\/\/www.semantic-systems.com\/semantic-noticias\/wp-content\/uploads\/2020\/02\/Foto-Isidro-Garcia-150x150.jpg\")
<\/p>\n