La IA mejora la eficiencia energética y operativa de las depuradoras en el proyecto MASTERY
Facsa participa en el desarrollo de modelos predictivos basados en machine learning y edge AI aplicados en la EDAR de Ranilla para optimizar y reforzar la sostenibilidad del tratamiento de aguas
- 55 lecturas
La creciente presión regulatoria y climática está acelerando la incorporación de tecnologías digitales avanzadas en el ciclo integral del agua. En este contexto, el proyecto MASTERY ha demostrado el potencial de la inteligencia artificial verde para mejorar la eficiencia energética y operativa de las estaciones depuradoras de aguas residuales (EDAR) mediante sistemas predictivos capaces de optimizar el control de los procesos biológicos.
La iniciativa se ha desarrollado en la EDAR de Ranilla, en Sevilla, gestionada por Facsa y propiedad de la Empresa Metropolitana de Abastecimiento y Saneamiento de Aguas de Sevilla (EMASESA), donde se han implementado algoritmos basados en machine learning y edge AI orientados a detectar desviaciones de proceso de forma temprana y mejorar la estabilidad operativa de la instalación.
El proyecto ha incorporado nuevos sensores y soluciones de captación y procesamiento de datos en tiempo real, incluyendo un equipo multiespectral inteligente. A partir de la información obtenida, se ha desarrollado un modelo capaz de correlacionar señales ópticas con variables fisicoquímicas del proceso para anticipar comportamientos anómalos y optimizar la toma de decisiones operativas.
Inteligencia artificial aplicada al control de procesos en depuración
La experimentación en distintos escenarios reales permitió ajustar los algoritmos y desarrollar un sistema de recomendación visual que traduce los resultados obtenidos en pautas operativas aplicables directamente por el personal de explotación de la EDAR.
Además, el proyecto ha definido una metodología específica para la implantación de inteligencia artificial verde, con métricas orientadas a minimizar el impacto ambiental asociado a las tecnologías digitales y maximizar su eficiencia energética.
El sistema desarrollado permite detectar desviaciones de proceso de forma temprana mediante algoritmos predictivos basados en edge AI
El pasado mes de marzo, MASTERY celebró su reunión final con una visita técnica a la EDAR de Ranilla, en la que participaron representantes del Centro para el Desarrollo Tecnológico y la Innovación (CDTI) y el resto de socios del consorcio. Durante la jornada se compartieron los principales resultados obtenidos y se abordaron los retos asociados a la digitalización del sector del agua y a la implantación de soluciones de inteligencia artificial sostenible.
El papel de Facsa en el proyecto
En el marco de MASTERY, Facsa ha desempeñado un papel clave en la definición del entorno operativo del proyecto, aportando datos reales de explotación y participando tanto en la generación de datos sintéticos como en la simulación de fallos en sensores.
La compañía también ha colaborado en el análisis de la escalabilidad de las soluciones desarrolladas para su aplicación en depuradoras de distintos tamaños y características.
Con la finalización del proyecto, Facsa refuerza su estrategia de digitalización avanzada del ciclo urbano del agua, apostando por herramientas basadas en inteligencia artificial para mejorar el rendimiento de las instalaciones y avanzar hacia modelos de gestión más eficientes y sostenibles.
El proyecto ha desarrollado métricas específicas para implantar inteligencia artificial verde minimizando el impacto ambiental de las tecnologías digitales
El consorcio del proyecto ha estado integrado por CIMICO, AQUACORP, SAVVY —empresa líder del proyecto—, MULTIVERSE y Facsa.
Financiación europea para impulsar la innovación hídrica
MASTERY ha sido subvencionado por el CDTI y apoyado por el Ministerio de Ciencia, Innovación y Universidades a través del Programa Misiones de Ciencia e Innovación, en el marco del Plan Estatal de Investigación Científica y Técnica de Innovación 2021-2024 y del Plan de Recuperación, Transformación y Resiliencia.
Asimismo, el proyecto ha contado con financiación de la Unión Europea – NextGenerationEU, dentro del Mecanismo de Recuperación y Resiliencia. La subvención total concedida asciende a 1.464.854,85 euros.
