Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental
Los sistemas de gestión energética pueden ser mejorados mediante la utilización de técnicas de inteligencia artificial, tales como, las redes neuronales y los algoritmos genéticos; con el propósito de modelar y optimizar el consumo energético de equipos y sistemas. Este trabajo, propone la modelació...
- Autores:
-
Gómez Sarduy, Julio R.
Monteagudo Yanes, José P.
Granado Rodríguez, Manuel E.
Quiñones Ferreira, Jorge L
Torres, Yudith Miranda
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2013
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/73865
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/73865
http://bdigital.unal.edu.co/38342/
- Palabra clave:
- gestión energética
consumo energético
molinos de cemento
Redes Neuronales Artificiales (RNA) y algoritmo genético.
energy management
energy
cement mill
artificial neural network (ANN)
genetic algorithm
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_3e5135ff1c8b686939aeb4e246697a16 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/73865 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| title |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| spellingShingle |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental gestión energética consumo energético molinos de cemento Redes Neuronales Artificiales (RNA) y algoritmo genético. energy management energy cement mill artificial neural network (ANN) genetic algorithm |
| title_short |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| title_full |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| title_fullStr |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| title_full_unstemmed |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| title_sort |
Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental |
| dc.creator.fl_str_mv |
Gómez Sarduy, Julio R. Monteagudo Yanes, José P. Granado Rodríguez, Manuel E. Quiñones Ferreira, Jorge L Torres, Yudith Miranda |
| dc.contributor.author.spa.fl_str_mv |
Gómez Sarduy, Julio R. Monteagudo Yanes, José P. Granado Rodríguez, Manuel E. Quiñones Ferreira, Jorge L Torres, Yudith Miranda |
| dc.subject.proposal.spa.fl_str_mv |
gestión energética consumo energético molinos de cemento Redes Neuronales Artificiales (RNA) y algoritmo genético. energy management energy cement mill artificial neural network (ANN) genetic algorithm |
| topic |
gestión energética consumo energético molinos de cemento Redes Neuronales Artificiales (RNA) y algoritmo genético. energy management energy cement mill artificial neural network (ANN) genetic algorithm |
| description |
Los sistemas de gestión energética pueden ser mejorados mediante la utilización de técnicas de inteligencia artificial, tales como, las redes neuronales y los algoritmos genéticos; con el propósito de modelar y optimizar el consumo energético de equipos y sistemas. Este trabajo, propone la modelación del consumo de los molinos y de las bolas que se emplean en la industria cementera, a partir de las variables disponibles en el campo. El modelo de regresión obtenido está basado en redes neuronales artificiales, permitiendo predecir el consumo de la electricidad en el accionamiento principal de los molinos, así mismo, permite evaluar el comportamiento de los índices de consumo establecidos. Además, se demuestra la influencia que ejerce la cantidad de puzolana, yeso y clinker en el consumo eléctrico del molino y se determina la dosificación que de acuerdo con el modelo, garantiza un mínimo consumo energético utilizando un algoritmo genético simple. El potencial de ahorro estimado a partir de la dosificación propuesta, es de 36 600 kWh/año para el molino 1; lo que representa 5 793,78 $/año y una reducción del impacto ambiental por gases sin emitir de 33 708 kg CO2/año. |
| publishDate |
2013 |
| dc.date.issued.spa.fl_str_mv |
2013 |
| dc.date.accessioned.spa.fl_str_mv |
2019-07-03T16:57:18Z |
| dc.date.available.spa.fl_str_mv |
2019-07-03T16:57:18Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/73865 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/38342/ |
| url |
https://repositorio.unal.edu.co/handle/unal/73865 http://bdigital.unal.edu.co/38342/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.spa.fl_str_mv |
http://revistas.unal.edu.co/index.php/ingeinv/article/view/41043 |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Revistas electrónicas UN Ingeniería e Investigación Ingeniería e Investigación |
| dc.relation.ispartofseries.none.fl_str_mv |
Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 2248-8723 0120-5609 |
| dc.relation.references.spa.fl_str_mv |
Gómez Sarduy, Julio R. and Monteagudo Yanes, José P. and Granado Rodríguez, Manuel E. and Quiñones Ferreira, Jorge L and Torres, Yudith Miranda (2013) Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental. Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 2248-8723 0120-5609 . |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia - Facultad de Ingeniería |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/73865/1/41043-187905-1-PB.html https://repositorio.unal.edu.co/bitstream/unal/73865/2/41043-185008-2-PB.pdf https://repositorio.unal.edu.co/bitstream/unal/73865/3/41043-185008-2-PB.pdf.jpg |
| bitstream.checksum.fl_str_mv |
0f429b5b43c6d2c93e199c4c8bd25d1d 8c5225c145091f18f2c84c68670b309d 74969eecfdc0c57fdea761deb83f3506 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1812169271453679616 |
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Gómez Sarduy, Julio R.f1a2eefc-4597-4ee6-848a-31c384c9439e300Monteagudo Yanes, José P.80bdc666-5623-4867-94e6-0fd467a60eda300Granado Rodríguez, Manuel E.b047c90b-bf47-4916-b292-80735b1f5793300Quiñones Ferreira, Jorge Lfb27a13e-5ec3-47f1-8922-347b246ef6c4300Torres, Yudith Miranda56f374ed-208b-42b9-8099-1051475f4f573002019-07-03T16:57:18Z2019-07-03T16:57:18Z2013https://repositorio.unal.edu.co/handle/unal/73865http://bdigital.unal.edu.co/38342/Los sistemas de gestión energética pueden ser mejorados mediante la utilización de técnicas de inteligencia artificial, tales como, las redes neuronales y los algoritmos genéticos; con el propósito de modelar y optimizar el consumo energético de equipos y sistemas. Este trabajo, propone la modelación del consumo de los molinos y de las bolas que se emplean en la industria cementera, a partir de las variables disponibles en el campo. El modelo de regresión obtenido está basado en redes neuronales artificiales, permitiendo predecir el consumo de la electricidad en el accionamiento principal de los molinos, así mismo, permite evaluar el comportamiento de los índices de consumo establecidos. Además, se demuestra la influencia que ejerce la cantidad de puzolana, yeso y clinker en el consumo eléctrico del molino y se determina la dosificación que de acuerdo con el modelo, garantiza un mínimo consumo energético utilizando un algoritmo genético simple. El potencial de ahorro estimado a partir de la dosificación propuesta, es de 36 600 kWh/año para el molino 1; lo que representa 5 793,78 $/año y una reducción del impacto ambiental por gases sin emitir de 33 708 kg CO2/año.Energy management systems can be improved by using artificial intelligence techniques such as neural networks and genetic algorithms for modelling and optimising equipment and system energy consumption. This paper proposes modelling ball mill consumption as used in the cement industry from field variables. The regression model was based on artificial neural networks for predicting the electricity consumption of the mill’s main drive and evaluating established consumption rate performance. This research showed the influence of the amount of pozzolanic ash, gypsum and clinker on a mill’s power consumption; the dose determined according to the model ensured minimum energy consumption using a simple genetic algorithm. The estimated savings potential from the proposed dose was 36 600 kWh / year for mill number 1, representing $5,793.78 / year and a 33,708 kg CO2 / year reduction in the environmental impact of gas left to escape.application/pdfspaUniversidad Nacional de Colombia - Facultad de Ingenieríahttp://revistas.unal.edu.co/index.php/ingeinv/article/view/41043Universidad Nacional de Colombia Revistas electrónicas UN Ingeniería e InvestigaciónIngeniería e InvestigaciónIngeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 2248-8723 0120-5609Gómez Sarduy, Julio R. and Monteagudo Yanes, José P. and Granado Rodríguez, Manuel E. and Quiñones Ferreira, Jorge L and Torres, Yudith Miranda (2013) Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambiental. Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 Ingeniería e Investigación; Vol. 33, núm. 3 (2013); 49-54 2248-8723 0120-5609 .Dosificación en molinos de cemento con apoyo de herramientas inteligentes para reducción del consumo energético y el impacto ambientalArtículo de revistainfo:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/ARTgestión energéticaconsumo energéticomolinos de cementoRedes Neuronales Artificiales (RNA) y algoritmo genético.energy managementenergycement millartificial neural network (ANN)genetic algorithmORIGINAL41043-187905-1-PB.htmltext/html24371https://repositorio.unal.edu.co/bitstream/unal/73865/1/41043-187905-1-PB.html0f429b5b43c6d2c93e199c4c8bd25d1dMD5141043-185008-2-PB.pdfapplication/pdf444044https://repositorio.unal.edu.co/bitstream/unal/73865/2/41043-185008-2-PB.pdf8c5225c145091f18f2c84c68670b309dMD52THUMBNAIL41043-185008-2-PB.pdf.jpg41043-185008-2-PB.pdf.jpgGenerated Thumbnailimage/jpeg9053https://repositorio.unal.edu.co/bitstream/unal/73865/3/41043-185008-2-PB.pdf.jpg74969eecfdc0c57fdea761deb83f3506MD53unal/73865oai:repositorio.unal.edu.co:unal/738652023-06-30 23:04:02.307Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |