Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
• ¿Qué demanda la industria que combustiona
biomasa?
– Menos paradas no programadas (8000 h/año)
– Menos interacción human...
• ¿Cuál es la respuesta de Sugimat?
– Instalaciones térmicas autogestionables
• Automatizadas
• Predictivas
• Interconecta...
4
• Eventualidades en los procesos de combustión de
biomasa:
– Cambios en características de la biomasa (humedad, tamaño,
ca...
• Consecuencias:
– Frente de llama inestable
– Combustión ineficiente
– Riesgo de inquemados en los sistemas de evacuación...
• Caso de estudio:
– Tipo de cámara de combustión: Parrilla móvil inclinada
– Cambio repentino en humedad de combustible d...
8
• Control del frente de llama:
– Aporte exacto de aire a la combustión
– Reducción de NOx
– Reducción de CO
– Mejora en la...
10
• Control de la zona de ascuas
– Evita daños en otras partes de la cámara de combustión
debido a la llegada de material in...
1
2
13
• Otras potencialidades del sistema
– Capacidad de aprendizaje a través de RNA (Redes neurales
artificiales)
– Predictibil...
15
16
17
18
•
•
•
Aplicación de la visión artificial en plantas térmicas autogestionables
Upcoming SlideShare
Loading in …5
×

of

Aplicación de la visión artificial en plantas térmicas autogestionables Slide 1 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 2 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 3 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 4 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 5 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 6 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 7 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 8 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 9 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 10 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 11 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 12 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 13 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 14 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 15 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 16 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 17 Aplicación de la visión artificial en plantas térmicas autogestionables Slide 18
Upcoming SlideShare
What to Upload to SlideShare
Next
Download to read offline and view in fullscreen.

0 Likes

Share

Download to read offline

Aplicación de la visión artificial en plantas térmicas autogestionables

Download to read offline

Presentación realizada por Alex Mas, Responsable de Business Development de SUGIMAT, en el 11 Congreso internacional de Bioenergía "Bioenergía 4.0:Retos y Oportunidades" www.congresobioenergia.org

Related Books

Free with a 30 day trial from Scribd

See all

Related Audiobooks

Free with a 30 day trial from Scribd

See all
  • Be the first to like this

Aplicación de la visión artificial en plantas térmicas autogestionables

  1. 1. • ¿Qué demanda la industria que combustiona biomasa? – Menos paradas no programadas (8000 h/año) – Menos interacción humana durante la producción – Equipos más eficientes – Equipos adaptados a la directiva de emisiones 2
  2. 2. • ¿Cuál es la respuesta de Sugimat? – Instalaciones térmicas autogestionables • Automatizadas • Predictivas • Interconectadas • ¿Cuál es la herramienta? – Visión artificial adaptada a la combustión • Procesa imágenes del mundo real • Toma decisiones en base a dicha información 3
  3. 3. 4
  4. 4. • Eventualidades en los procesos de combustión de biomasa: – Cambios en características de la biomasa (humedad, tamaño, calidad…) – Picos y valles de demanda de consumo – Ausencia de operadores – Cambios climatológicos 5
  5. 5. • Consecuencias: – Frente de llama inestable – Combustión ineficiente – Riesgo de inquemados en los sistemas de evacuación de ceniza – Emisiones fuera de norma 6
  6. 6. • Caso de estudio: – Tipo de cámara de combustión: Parrilla móvil inclinada – Cambio repentino en humedad de combustible debido a diversas causas: Climatología, tipología de la biomasa, almacenamiento… 7
  7. 7. 8
  8. 8. • Control del frente de llama: – Aporte exacto de aire a la combustión – Reducción de NOx – Reducción de CO – Mejora en la eficiencia del equipo 9
  9. 9. 10
  10. 10. • Control de la zona de ascuas – Evita daños en otras partes de la cámara de combustión debido a la llegada de material inquemado. 11
  11. 11. 1 2
  12. 12. 13
  13. 13. • Otras potencialidades del sistema – Capacidad de aprendizaje a través de RNA (Redes neurales artificiales) – Predictibilidad de variables como potencia entregada y temperatura del caloportador. – Autochequeo del sistema para revisión de averías 14
  14. 14. 15
  15. 15. 16
  16. 16. 17
  17. 17. 18 • • •

Presentación realizada por Alex Mas, Responsable de Business Development de SUGIMAT, en el 11 Congreso internacional de Bioenergía "Bioenergía 4.0:Retos y Oportunidades" www.congresobioenergia.org

Views

Total views

406

On Slideshare

0

From embeds

0

Number of embeds

0

Actions

Downloads

11

Shares

0

Comments

0

Likes

0

×