1

Funcionalidades y Aplicacionesde los Sistemas de Gerenciamiento y

Optimización de Energía en Tiempo Real

Experiencias y Beneficios de su Implantación

Carlos A. Ruiz

Soteica Visual MESA, LLCDirector, Energy Management Systems

Houston, TX, USA - Buenos Aires, Argentina – Barcelona, Españacarlos.ruiz@soteicavisualmesa.com

2

• Actividades y niveles de decisión en la Industria de Procesos

• Optimización y monitorización energética de procesos en tiempo real

Rentabilidad de la industria de Procesos

Problemática

Modelos para optimización, monitorización, auditoría y estudios de ingeniería

• Tecnología Industrial: Sistema de Gerenciamiento Energético

Ejemplos industriales

• Conclusiones

Agenda

Actividades y niveles de decisión en la industria de

Procesos

3

Actividades y niveles de decisión en la industria de Procesos

Control Avanzado

Optimizaciónen Tiempo Real (RTO)

Scheduling

Planificación

Control RegulatorioSegundos

Minutos

Horas

Semanas/Días

Meses/Semanas

• Cada nivel tiene funciones

específicas y limitaciones

• Cada nivel interactúa con los demás

para optimizar los procesos en

forma global

• El Control Avanzado o Regulatorio le

proporcionan al RTO los datos

operativos y restricciones actuales

del proceso

• La Planificación y el Scheduling le

proporcionan al RTO la información

de los precios y ciertos objetivos

operativos

• La existencia de un Sistema de

Información de Planta está implícita

Se utilizan datos, modelos y computadoras en todos los niveles

Proceso

Actividades y niveles de decisión en la industria de Procesos

Sistema deInformación

de Planta

Modelos deOptim. y Control

Sintoníade Modelos

ControlConvencionalo Avanzado

Revisiónde Datos

Modelos deProceso

Base de DatosTácticos

Base de DatosEstratégicos

Programación (Scheduling)

PlanificaciónOperativa y

Contabilidad de laProducción

PlanificaciónEstratégica

Proceso

Optimización enTiempo Real

(RTO)

AccionesManuales

LP

LP, MILP

LP, MILP,NLP, MINLP

LP, NLP

Todas estas actividades se realizan con computadoras y requieren un cierto grado de optimizaciónEsta es una

tecnología básica, “habilitante” de todas las otras actividades

4

Optimización y monitorizaciónenergética de procesos

en tiempo real

Análisis de rentabilidad en la industria de Procesos (ej., refinación)

Margen dela refinería

($/ton)

Reducción de pérdidas

Pérdidasde

materia

Costosenergéticos

Optimización Energética

Costo dela materia

prima

Planificación de suministros

Eficiencia

Rendimiento

Valor netode los

productos

= - - - - CostosFijos

Mano de Obra

Mantenimiento

5

• Reducir la demanda de energía• Modificaciones al Proceso (Intercambiadores de calor,

ubicación de la alimentación en una columna de destilación, relación de reflujo, estudios pinch, etc.)

• Mejoras en equipos (Hornos, Calderas, Intercambiadores de calor, etc.)

• Consumos energéticos directos (gerenciamiento de cargas y energía)

• Optimizar la producción, suministro y distribución de energía• Operacional (online: ERTO open loop, ECLRTO closed loop, EM

monitorizando KPIs energéticos)

• Diseño (offline: ERTO standalone para análisis de proyectos de capital de Cogeneraciones, Turbinas, Calderas, etc.)

¿Qué se entiende por Optimización Energética?

• Complejidad, abarcan el sitio completo

• Falta o escasez de mediciones

• Cambios operativos frecuentes

• Numerosas variables de decisión y restricciones

• Dificultades de coordinación entre plantas o unidades• Impacta directamente en las emisiones

• Restricciones en NOx, SO2 , MP, …

• Mercado de emisiones de CO2

• Mercados desregulados

• Variaciones estacionales, diarias u horarias en los precios de la electricidad y combustibles

Problemática de la gestión de los sistemas Energéticos

6

• Modelo de los sistemas de energías (combustibles, redes de vapor, agua de calderas, condensados, sistema eléctrico, H2,…)• Optimizador que se ejecuta en línea (conectado al

sistema de información de plantas o base de datos en tiempo real), proporciona recomendaciones para optimizar los sistemas de energías

• Calcula e historiza los balances de masa y energía, permitiendo la auditoría y contabilidad del sistema

• Calcula e historiza los índices de desempeño (EnPIs o EnKPIs) para la monitorización

• El mismo modelo también sirve para realizar estudios de ingeniería “qué pasa si”

Modelo en línea para la reducción de costos energéticos

Función Objetivo

Costo Energético Total =

Costo Total de combustibles + Costo eléctrico total + Otros Costos

Principal restricción: la energía que el proceso necesita se mantiene constante

Otros costos suele incluir el agua desmineralizada de reposición y, en estos últimos años, también los costos de emisión de CO2

El problema de optimización que se resuelve suele serno lineal, mixto entero (MINLP)

7

• Combustibles a calderas (ej., Fuel Oil y Fuel Gas)

• Combustibles a hornos de proceso (ej., Fuel Oil y Fuel Gas)

• Combustible de reposición a la red de Fuel Gas (por ej. Propano, Gas Natural)

• Fuel Gas a antorchas

• Combustibles a la postcombustión en las unidades de Cogeneración

• Generación de vapor en calderas

• Laminación de vapor

• Venteo de vapor a la atmósfera

• Operación de turbinas de vapor que impulsan compresores o soplantes (vapor principal, extracción/inducción, descarga, condensación)

• Operación de turbogeneradores accionados por vapor (vapor principal, extracción/inducción, descarga, condensación) y la correspondiente producción de electricidad

• Operación de las unidades de Cogeneración con Turbinas de Gas (Generación de vapor en las calderas de recuperación calor , carga de la turbina de gas y la correspondiente generación de electricidad, inyección de vapor a la turbina de gas, postcombustión)

• Bombas intercambiables (opciones de impulsiónpor medio de una turbina de vapor o un motor eléctrico)

• …

Ejemplos de variables de decisión

Ejemplo de restricciones• La demanda de energía de los procesos debe ser satisfecha

• Capacidad de los quemadores

• Límites en las emisiones

• Máximos caudales de vapor a través de las tuberías

• Disponibilidad de combustibles

• Demanda de potencia de los compresores

• Emisiones

• Restricciones contractuales (ej. Contratos de suministro de Gas Natural y electricidad)

• …

8

Sistema de Gerenciamiento de Energía

• Soteica fue fundada en el año 1984, en Buenos Aires. Inicialmente dedicada a la simulación de procesos.

• Sede central en Houston, Texas, desde 2001. Fusionada con Visual MESA LLC, en 2005, para ser Soteica Visual MESA LLC

• Oficinas en Houston, Barcelona, México, Buenos Aires, Santa Fe, Rosario y San Pablo

• Asociación con Yokogawa (Japón) desde 2013, cubriendo técnica y comercialmente todo el mundo, con exclusividad en Asia

• Provee soluciones de ingeniería de sistemas de procesos (PSE) a nivel mundial

• Proveedora de software propio y servicios que incluyen:

• Implementación

• Transferencia de tecnología

• Soporte técnico y sustentabilidad

Algunos Usuarios

YPFExxonMobil Air Liquide

Chevron TexacoRepsol

Phillips66BP

KNPC SABIC

Saudi AramcoReliance

TotalCepsa

PetrobrasSarasShellIneos

Grupa LotosRohm & Haas

PetroplusENAP

ANCAPInterquisaBraskemUsacucar

ITCLukoil

PetrochinaPCS

SAPPI…

Soteica Visual MESA LLC

9

• Optimización de Energía en Tiempo RealVM-ERTO

• Optimización de Energía en Tiempo Real, en Lazo CerradoVM-ECLRTO

• Monitoreo de Energía

VM-EMPO • Optimizador de Energía Multiperíodo

VM-EM

Conjunto de Aplicaciones delSistema de Gerenciamiento de Energía

1981-1989

MESASimulator

1989-1992

MESA with SQP and MI Optimizer

1992-1998

G2-MESA

Visual MESA

(VM-ERTO)

1998-2000

Closed Loop ERTO and

Cogeneration Modeling

(VM-ECLRTO)

2000-2003

Fuel Systems and

Emissions calculations

2003-2006

Microsoft Visio based GUI and MS

Excel reporting

2006-2008

Energy Key Performance

Indicators (EnKPIs)

Plant Energy Cost Block

2008-2009

Applied to Ethanol

Production

2009-2011

Applied to District Cooling

and Heating

Applied to Hydrogen Systems

2011-….

Internet Web Browser Client

Multi Period Optimization (VM-EMPO)

Energy Balances and

EnKPIsDashboarding

(VM-EM)

VM-ERTO VM-ECLRTO VM-EMPO

VM-EM

Sistema de Gerenciamiento de EnergíaLínea de Tiempo de las aplicacionesERTO / ECLRTO / EMPO / EM

10

External Utilities Contracts

Emissions Regulations

Hydrogen Fuel Steam Water Electricity

Energy and Utilities System

MeasurementsOptimumSet Points

CLOSED-LOOPsignals to

control systems

OPEN-LOOPadvisory reports to

operators

Control System / Historian

Operators

Process (Utilities Consumers and Generators)

(Degrees of freedom in Generation and Distribution)

Soteica Visual MESA Confidential and Proprietary. Copyright Soteica Visual MESA, LLC, all rights reserved.

Optimum Energy System Operation Report

Optimum Energy System Operation Report

Arquitectura del VM-ERTO / ECLRTO

External Utilities Contracts

Emissions Regulations

Hydrogen Fuel Steam Water Electricity

Energy and Utilities System

Measurements

KPIs, Streams and Equipment

Calcs.

Energy System visibility and accounting for

operators and engineers

Control System / Historian

Operators

Process (Utilities Consumers and Generators)

(Degrees of freedom in Generation and Distribution)

Soteica Visual MESA Confidential and Proprietary. Copyright Soteica Visual MESA, LLC, all rights reserved.

Energy and Emissions KPIs MonitoringEnergy Use and Account

Energy Related Reports and Dashboard

Arquitectura del VM-EM

11

Algunos de los Usuarios Principales

Estándar Corporativo CLERTO

Estándar Corporativo ERTO

ERTO y CLERTO

Instalado en CILP y CIE, ERTO

Estándar Corporativo ERTO

Estándar Corporativo ERTO

Algoritmo de optimización MINLP

• El motor de simulación contiene modelos no lineales de los equipos y termodinámica

• Variables Continuas: SQP Sequential QuadraticProgramming - L. Lasdon. University of Texas, Austin

• Mixta EnteraMétodo Híbrido: • "Relax and Cut” con método SQP

• Elecciones mixta entera de los pares y grupos

• Restricciones de penalidad a los intercambios (switching)

• Especialmente sintonizado para la optimización de Sistema de vapor y potencia

12

Ejemplo de la visualización de los resultados de optimización: Informe personalizado

• A consecuencia de implementar las recomendaciones de la optimización se generarán 15,6 t/h más de vapor de 100 kg/cm2 en Calderas de Olefinas y se generarán 23,6 t/h menos de vapor de 20 kg/cm2

Caudal Optimizado – Caudal Actual = Delta (t/h)

• Llevando a cabo todas las recomendaciones de Optimizaciónse ahorrarían 116 € por hora

Ejemplo de la visualización de los resultados de optimización: Caso Delta• Los casos Delta muestran una comparación entre dos

conjuntos de datos.

Al inspeccionar unCaso Delta:

• Los valores de salida muestran diferencias, no valores reales

• La líneas en amarillo indican un cambio El envío de vapor de 20 kg/cm2 desde

Olefinas hacia Refinería aumenta 2,2 t/h

13

Validación de los datos• Cada una de las centenas o miles de mediciones incluidas en el modelo se

validan y se configuran las decisiones necesarias sobre qué hacer en caso de falla en la validación de los datos

Contabilidad y auditoría del sistema de energías: Desbalances

“Globo” que guarda el error del balance

El “globo” sirve para validar el modelo (ej. ayudan a encontrar fallos en medidores)

También es útil para los casos de estudio (almacenan los errores de los balances)

14

Estudios de ingeniería• El mismo modelo validado (que se usa en línea) se

puede usar en modo independiente (fuera de línea) para realizar casos de estudio

• Ejemplos de casos de estudio:• Parada o Arranque de una unidad generadora de vapor

• Parada o Arranque de una planta de proceso consumidora

• Nuevo equipo (justificación de inversión)

• Comparación de contratos de suministro

• Programación / planificación de la operación del sistema de energías

• En todos los casos se analiza el impacto económico y la viabilidad técnica

• Políticas y procesos de trabajo para lograr una mejora en el desempeño energético

• La norma ISO 50001 es el estándar que define el marco para un EMS (Energy Management System).

• Este Estándar Internacional está basado en la mejora continua Plan-Do-Check-Acte incorpora el gerenciamiento energético en las prácticas diarias de la organización.

• El sistema es una plataforma desde la cual construir y aplicar la metodología ISO 50001

Plataforma de cálculo en tiempo real para la Norma ISO 50001

15

Ejemplos Industriales

Ejemplo industrial IREPSOL Refinería de Tarragona (España)

Presentado en la conferenciaERTC Computing, Londres, 2004

16

¿Qué debe optimizar un sistema?

• Bombas donde se pueda elegir entre un motor o una turbina para moverlas

• Gerenciamiento de las Principales Turbinas de Vapor (Extracción + Condensación)

• Producción de vapor

• Calderas

• Cogeneradoras

• Laminaicones y Venteos

Complejo refinería – olefinas de tamaño medio

17

Refinería Repsol Tarragona• Refinería y Unidad de Olefinas, Tamaño Medio,

Complejidad Mediana

• Fuente de información: Sistema de Información de Planta

• 3 Períodos: • Primer mes, línea base: el sistema es ejecutado en línea pero

las recomendaciones no son aún informadas a Operaciones

• Segundo mes, las recomendaciones del Sistema son implementadas progresivamente por los operadores

• Tercer mes, se provee entrenamiento sobre el Sistema y las recomendaciones ya son ejecutadas en forma rutinaria

• Beneficios Promedio: > 2 MM € / año y siguieron mejorando(¡SÓLO POR OPTIMIZACIÓN!)

Reducción de Costos EnergéticosOptimización Visual Mesa

Ahorros Anuales Predichos - Siguiendo las Sugerencias de Optimización

TODOS LOS DATOS RECOLECTADOS, HASTA EL PRESENTE

5,30 %

1,19%

-

1.00

2.00

3.00

4.00

5.00

6.00

7.00

8.00

9.00

10.00

19-1

2

26-1

2

2-1

9-1

16-1

23-1

30-1

6-2

13-2

20-2

27-2

6-3

Day

Savin

gs /

To

tal

En

erg

y C

osts

(%

)

Ahorros AnualesPromedio del Período Anterior a la OptimizaciónPromedio Después de Tomar Acciones de Optimización

> 2 MM €/year

> 4%

Date

18

Ejemplo industrial IIYPF Complejo Industrial La Plata (CILP) y

Complejo Industrial Ensenada (CIE)

Presentado en la conferenciaLARTC Meeting, Cancún, 2014

VM en YPF

• El sistema fue instalado en YPF (2005 en el CILP y 2006 en el CIE). Se desarrolló el sistema de vapor, energía eléctrica y el sistema de combustibles (GN y Fuel Oil)

• Los modelos se han utilizado para la optimización en tiempo real a lazo abierto de los sistemas de utilidades

• Han sido migrados a cada nueva versión del software y se han actualizado en base a las tareas sostenibilidad

• En el marco de dicho servicio de sostenibilidad del sistema se ha llevado a cabo recientemente un proyecto de actualización del modelo de CILP, que incluye la definición y cálculo de Indicadores de Gestión (KPIs) como parte de una futura implementación de la Norma ISO 50.001

19

Descripción del Sistema de Energía de CILP

6 calderas

Calderetas de Procesos

VA

VM

VI

VB

Venteos

Condensado

Laminadoras

Calderetas de Procesos

Vapor Comprado

MM

MM

MM

ESPECIES CONSUMIDAS

Vaporgenerado

Vapor externo

EE externo

GN externo

Fuel Oil interno

GR interno

Propano

Interfaz Gráfica (Vista Principal y modelo de combustibles)

20

Variables de Optimización

• Detalle de las variables de optimización de YPF Complejo Industrial La Plata (CILP):

• Producción de vapor en calderas

• Fuel Gas / Fuel Oil en calderas

• Otros combustibles

• Cambios en pares turbinas de vapor/motores eléctricos

• Importación de electricidad

• Fuel Gas (Gas Natural/Propano)

• Fuel Oil

• Laminaciones y venteos de vapor

Restricciones

• Equipamiento (por ejemplo, consumo máximo de un combustible determinado en calderas)

• Restricciones operacionales

• La demanda de utilidades en la Plantas de Procesodebe ser satisfecha

• Contratos

• Medio Ambiente• Límites de emisiones de NOx y SO2

• CILP: 143 Variables de optimización (93 variables discretas) y 66 restricciones

http://ssbuelpapl03/VisualMesaSilver/Model.aspx

21

• Balance de Producción de Vapor

• Acondicionamiento de la Canasta de Combustibles (Gas Natural/Propano/Fuel Gas/Fuel Oil)

• Cambios en el uso de turbina o motor para un dado servicio

• Importación de electricidad

Las otras variables (por ejemplo, caudales de las laminadoras de vapor) son consecuencia de los cambios mencionados anteriormente, siendo ajustados automáticamente por el sistema de control

Optimización en el Día a Día

Resumen de la Optimización

22

Caso Delta: Encendido de Turbina de Alta a Baja

Usos del sistema:Indicadores Clave de Desempeño (KPIs)• Ejemplos de KPIs:

• Costo operativo – Costo operativo óptimo (por unidad de producción o de alimentación)

• Eficiencia de equipos (calderas, turbinas, …)• Consumo energético de las Unidades• Intensidad energética de las Unidades (consumo energético por

unidad de carga o producción)• Desbalances de vapor en colectores• Emisiones de CO2, NOx, SO2, • etc.

• Los KPIs son enviados automáticamente al Sistema de Información de Plantas PI para tendencias, visualización e historización estandarizada

• Todos los KPIs calculados por el sistema son validados antes de escribirlos en PI

23

• Se definieron tres niveles de indicadores:• Dirección

• Jefaturas de Planta / Gerenciales

• Operativos

• KPIs presentados:• Consumo Específico del Complejo

• Consumo Específico de Unidades

• Utilización de Áreas (Conversión, Lubricantes, Refinación)

• Consumos Específicos por Especie (EE, combustibles, vapor)

Usos del sistema:Indicadores Clave de Desempeño (KPIs)

• El sistema fue instalado en el Complejo Industrial La Plata (CIE + CILP) de YPF en 2005 y está operativo desde esa fecha

• Como resultado de las actividades de sostenibilidad se logró un mejor conocimiento de las interacciones del sistema de servicios auxiliares, comprendiendo todas las variables de decisión y las restricciones asociadas, algunas de las cuales estaban ocultas

• Los operadores reaccionan en tiempo real para capturar las oportunidades del negocio y mejorar el gerenciamiento de las emisiones, obteniendo ahorros significativos de los costos energéticos

• Además de la optimización, se adicionaron a los modelos los cálculos e historización de Índices de Desempeño (KPIs) en diversos niveles

Conclusiones

24

Otros Ejemplos de Instalaciones del Sistema

La Refinería Mina Al – Ahmadi, de KNPC, con una capacidad de procesamiento de 460.000barriles por día, implementó un sistema de gerenciamiento de la energía (EMS) para laoptimización en lazo abierto y seguimiento de KPI en 2012. En una publicación reciente, seinformó de un ahorro estimado de 4.4 M $ / año y una reducción de las emisiones de CO2 de27.600 t CO2 / año ( Ershaid et al., 2014). En la figura de abajo se muestran los resultadosobtenidos para un período de 8 meses después de la implementación del optimizador de energíaen tiempo real:

KNPC Mina Al-Ahmadi Refinery (Kuwait)

Referencia: Online Energy Management System Implementation in KNPC Mina Al-Ahmadi Refinery, M. Ershaid, A. Al-Tarkeet, D. Periyasamy, N. Visuara, C. Ruiz, S. Cúneo, Middle East Process Engineering (MEPEC), Bahrain, September 2013.

25

Caso 1:Cambio par Turbina/Motor efectuado para reducir la laminación en una Planta de Gas

Custom Report summary

Trend for the Turbine 20-P-103A status

Captured savings in the order of 100 $/h (0.9 MM$/y)

Caso 2:Cambio efectuado para reducir la laminación de Media Presión a Baja Presión en la Refinería

MP-LP steamletdown reduction

Savings achieved because of the 2 swaps performed in Refinery side, in the order of 0.9 MM$/y

Custom Report summary

2 Swaps were performed in the Refinery side

26

• La Compañía Petroquímica Sabic Saudi Kayan posee uno de los mayores complejos petroquímicos del mundo. Está ubicado en la Ciudad Industrial Jubail, Reino de Arabia Saudita.

• Se implantó un modelo en tiempo real del Sistema de servicios auxiliares para ayudar a minimizar los costos de energía y para gestionar la energía para el complejo petroquímico..

• El Sistema de gestión de la energía en línea, en tiempo real, permite la identificación de los diferentes trade-offs económicos que se generan entre la producción y la distribución interna de la energía a un mínimo costo.

SABIC Saudi Kayan (KSA)

Referencia: Real Time Online Energy Management System Implemented at SABIC Saudi Kayan Petrochemical Company, M. Al-Shehri, T. Khan, A. Salem, C. Ruiz, M. Reinaldi, S. Cúneo, Middle East Process Engineering (MEPEC), Bahrain, September 2013

• Se construyó un modelo riguroso, no lineal, detallado de los sistemas de vapor, combustibles, energía, agua de alimentación acalderas y condensados, incluyendo todas las interacciones entre estos sistemas, las restricciones y los grados de libertad para su funcionamiento .

• El mismo modelo utilizado para la optimización del tiempo en línea, en tiempo real, también se utiliza en modo fuera de línea, con los datos actuales o históricos, para llevar a cabo estudios de casos para la planificación o la evaluación de alternativas para un mejor funcionamiento del sistema energético .

• Como resultado del proyecto, la información del sistema energético del complejo petroquímico Saudi Kayan Petrochemicalse organizó en un modelo en tiempo real y un único entorno al que todo el mundo tiene acceso a través de un navegador web.

Saudi Kayan - Implementación de un Sistema de Gestión de la Energía, en línea, en tiempo real

27

Saudi Kayan - Implementación de un Sistema de Gestión de la Energía, en línea, en tiempo real: Vistas del modelo

Un ejemplo en el que las recomendaciones del sistema fueron parcialmente aplicadas y, como consecuencia, se logró un ahorro de1,05 MM $ / año.

Saudi Kayan - Implementación de un Sistema de Gestión de la Energía, en línea, en tiempo real: Ejemplo de Beneficios Económicos

Before implementing recommendations:

Average potential savings: 390 $/h

After implementing recommendations:

Average potential savings: 270 $/h

Captured Savings: 120$/h (1.05 MM$/year)

Los beneficios totales del Sistema de Gestión de la Energía en línea, en tiempo real han sido de alrededor de 3,42 MM $ / año.

Se obtuvieron ahorros adicionales a partir de:

‒Monitoreo de Energía en Línea, Auditoría y Contabilidad

‒KPIs de Energía, en Línea

‒Estudios “¿Qué pasa si?”:

‒Oportunidades de Proyectos de Capital

‒Planeamiento/Programación de Servicios Auxiliares

28

• El sistema calcula continuamente los indicadores clave de rendimiento (KPI), tales como la eficiencia de calderas y calentadores, los consumos de energía de las plantas, los desbalances de vapor, etc., sobre una base validada y consistente.

• El sistema actúa como el “Perro Guardián del Venteo y las Laminaciones de vapor". Todo el mundo sabrá que el sistema está mirando la situación en todo el sitio 24x365. Se trata de ayudar a reducir el costo energético de forma continua.

• Para el gerenciamiento del sitio, los KPIs se controlan y visualizan en un tablero de instrumentos vinculados bidireccionalmente con el modelo validado en línea.

Saudi Kayan – Relevancia del Sistema de Gerenciamiento de Energía en Tiempo Real para su Iniciativa de Sustentabilidad

Source: Real Time Online Energy Management System Implemented at SABIC Saudi Kayan Petrochemical Company, M. Al-Shehri, T. Khan, A. Salem, C. Ruiz, M. Reinaldi, S. Cúneo, Middle East Process Engineering (MEPEC), Bahrain, September 2013.

• Vistas del Tablero

Saudi Kayan – Relevancia del Sistema de Gerenciamiento de Energía en Tiempo Real para su Iniciativa de Sustentabilidad

29

Conclusiones

• Los proyectos de optimización en tiempo real permiten obtener beneficios económicos importantes, como consecuencia de la reducción de los costos energéticos

• Pero además, se logra:• Organizar la información relativa a los sistemas de Energías

de cada sitio (muchas veces dispersa y no actualizada), en un modelo y ambiente de consulta único.

• Lo que permite la explicitación de todas las variables de decisión y restricciones (muchas veces ocultas o ignoradas)

• Y la centralización de las responsabilidades de operación óptima del sistema (casi siempre dispersas en las diferentes jefaturas de planta y que, en definitiva, terminan no siendo responsabilidad de nadie).

Conclusiones

30

Muchas gracias !