15% menos consumo energético en plantas industriales de enfriamiento

El Desafío

Dos Pinos operaba plantas de enfriamiento utilizadas en procesos de pasteurización donde la demanda energética presentaba fuertes variaciones. En determinados momentos, el consumo superaba la capacidad instalada, obligando a contratar suministro eléctrico externo para mantener la continuidad operativa.

La compañía necesitaba contar con una capacidad de predicción que le permitiera anticipar los picos de demanda energética, optimizar la utilización de los equipos de refrigeración y reducir los costos asociados al consumo eléctrico.

La Solución

54cuatro desarrolló una plataforma analítica para modelar y predecir el comportamiento energético de los sistemas de refrigeración industrial.

Para construir la solución se analizaron bases de datos históricas asociadas a múltiples dispositivos industriales, evaluando variables operativas y patrones de comportamiento energético. La arquitectura combinó modelos de regresión tradicionales con técnicas avanzadas de machine learning basadas en redes neuronales LSTM y Fusion Transformer, permitiendo anticipar la demanda energética futura con un alto nivel de precisión sobre servicios de Microsoft Azure (Azure Machine Learning y Azure Synapse Analytics).

Impacto y Resultados

La implementación permitió a Dos Pinos pasar de una operación reactiva a una planificación energética basada en predicciones, alcanzando los siguientes hitos:

• Reducción del 15% en el consumo energético mensual acumulado.
• Mayor precisión en las predicciones de demanda y consumo energético de las plantas.
• Disminución directa de costos operativos asociados al uso de energía.
• Reducción significativa del uso de suministro externo mediante una planificación más eficiente de la operación.
• Mejora estructural en la toma de decisiones sobre capacidad instalada y planificación productiva.