VICOMTECH :: Casos de uso de la descarbonización de la cadena logística utilizando la Inteligencia A

Dra. Maria Teresa Linaza

Contextualización

Vectoresenergéticossostenibles paravehículoslogísticos

Combustiblesalternativos

Vehículosceroemisiones

Estacionesderecarga/repostaje

Energíasrenovablesyeficiencia energética

Nuevasformasdegeneración

Optimizaciónenergética

Comunidadesenergéticas

Contextualización

Vectoresenergéticossostenibles paravehículoslogísticos

Combustiblesalternativos

Vehículosceroemisiones

ESTACIONESDERECARGA/REPOSTAJE

Vehículoslogísticos

▪ Uno de los retos a resolver actualmente es conocer si es posible una conducción más eficiente para la consecuente reducción de huella de carbono mediante la aplicación de algoritmos de IA basados en múltiples fuentesdedatos

o Sensoresembarcados

o Planesdemantenimientodelosvehiculos

o Tiempometeorológico

o Preciosdelaenergía(eléctrica,combustibles)

Vehículoslogísticos

▪ Objetivosdelproyecto

Vehículoslogísticos

▪ Objetivos

o Desarrollo de un sistema para la planificación inteligente de las rutas, que permita planificar la parada en los diversos puntos de recarga durante el trayectosobrelabasedelassiguientesvariables

✓ Bateríadisponibledelvehículoeléctrico

✓ Distanciadeviaje

✓ Característicasdelavía

✓ Climatología

✓ Necesidaddeunacargarápidaocompleta

o Diseñodelarutamáseficienteysosteniblequeseactualizaentiemporeal enfuncióndelascondicionesdelentorno,yqueaplicaelcontroldeaceleración yfrenadodelvehículoparaelusoóptimodelabateríaeléctrica

Contextualización

Energíasrenovablesyeficiencia energética

Nuevasformasdegeneración

OPTIMIZACIÓNENERGÉTICA

Comunidadesenergéticas

Optimizaciónenergética

▪ El análisis de los datos relacionados con el uso de la energía permitirá identificarnuevasoportunidadesdemejoradelaeficienciaenergética

Optimizaciónenergética

▪ Objetivos

o Predicción de la generación de energías renovables a partir de datos históricos, predicciones meteorológicas locales y modelos de IA para una sincronizaciónóptimadelaredeléctrica

o Simulacionesmultifísicasparalapredicciónprecisadelademandaenergética deconsumidoresindustriales,comercialesyresidenciales,apartirdedatos históricos, datos meteorológicos provenientes de estaciones locales y Copernicus,ydefactoressocioeconómicosdedistintaslocalizaciones

Optimizaciónenergética

▪ Modelosdetimeseriesforecastingparalapredicciónhorariaa24hya15 minutos vista, de la demanda energética de consumidores industriales, comercialesyresidenciales

o DatosmeteorológicosprovenientesdeCopernicus

o Datos de la zona climática provenientes de instituciones locales (Aemet, Euskalmet,estacionesmeteorológicaslocales)

o Datos socioeconómicos como el PIB para la demanda residencial e industrial, con el objetivo de detectar potenciales desviaciones del algoritmo y la necesidaddesureentrenamiento

Optimizaciónenergética

▪ Resultados para la predicción horaria (a 24h y a 15 minutos vista) de la demandaenergéticadeconsumidoresindustriales

Optimizaciónenergética

▪ Resultados para la predicción horaria (a 24h y a 15 minutos vista) de la demandaenergéticadeconsumidoresindustriales

Optimizaciónenergética

▪ Resultados para la predicción horaria (a 24h y a 15 minutos vista) de la demandaenergéticadeconsumidorescomerciales

Optimizaciónenergética

▪ Resultados para la predicción horaria (a 24h y a 15 minutos vista) de la demandaenergéticadeconsumidorescomerciales

Optimizaciónenergética

▪ Interfacesdevisualizacióndelademandaactualypredichaparadiferentes regiones

Optimizaciónenergética

▪ Interfacesdevisualizacióndelademandaactualypredichaparadiferentes regiones

away

▪ Existeunapresióncrecienteporpartedelosreguladoresylasociedaden generalparareducirlasemisionesdelacadenalogística

▪ La IA está demostrando beneficios tangibles en temas de descarbonizaciónparatodalacadenalogísticacomosehapresentado

▪ Aunqueactualmentesepuedehablarmejorasoperativas,esnecesariauna aproximación holística que incluya estrategias a largo plazo para todo el ecosistemaparaconseguirreduccionessignificativasenlasemisiones

▪ Es importante construir ecosistemas y partenariados entre proveedores logísticos,empresastecnológicas,reguladoresyAdministracionesPúblicas paraconseguiruncambioalargoplazo