Responsive Image
Responsive Image
El proyecto PRISMA tiene como objetivo la implantación de Machine Learning y Redes Neuronales, apoyados en algoritmos de predicción y evolución de consumos para satisfacer la necesidad de las empresas gasistas de disponer de una predicción de consumos de alta precisión y adaptabilidad. De este modo, se genera un sistema de inteligencia artificial que permita la integración de los datos de cálculo de consumo y la programación de las rutas de suministro de manera dinámica y actualizada en tiempo real.

Además de Redexis, dos AEIs (Agrupaciones Empresariales Innovadoras), AEI Tecnara y AEI AEICE, y dos PYMES, Signos New Technologies y 1A Ingenieros conforman el consorcio que da impulso a esta iniciativa que tendrá una duración de 9 meses (del 1 Agosto 2022 al 28 Abril 2023).

PRISMA cuenta con un presupuesto total de 402.055 € y una ayuda de 306.971 €, estando subvencionado por el Ministerio de Industria, Energía y Turismo y financiado por la Unión Europea a través del programa Next Generation EU, dentro de la convocatoria correspondiente a 2022 de las ayudas establecidas para el apoyo a Agrupaciones Empresariales Innovadoras (AEI), correspondientes en el marco del Plan de Recuperación, Transformación y Resiliencia.

El proyecto PRISMA se estructura principalmente en dos fases:

Una primera fase de recolección de datos mediante dispositivos loT colocados en depósitos de GNL (Gas Natural Licuado), datos históricos de consumo, ambientales y macroeconómicos. Con esta información se crearán modelos de datos que alimentarán un sistema de Inteligencia Artificial que realizará el procesado de estos con procesos de Machine Learning, redes neuronales y algoritmos de cálculo de rutas.

Y una segunda fase de análisis de datos y generación de conclusiones. El procesado que se realizará en la fase previa generará predicciones de consumos asociadas al diseño de rutas de suministro extremadamente precisas y de cuya utilización se obtendrán una serie de resultados como:
  • Optimización de los recursos industriales de la empresa.
  • Reducción del número de operaciones de carga y descarga.
  • Reducción de la huella de carbono asociada al proceso de suministro y reparto, gracias a la reducción de frecuencias y kilometraje de las rutas.
  • Mayor satisfacción de los clientes al percibir la idoneidad de las frecuencias de suministro