La adopción por parte de las compañías energéticas de tecnologías cognitivas como la inteligencia artificial y la analítica avanzada se ha convertido en un factor competitivo cada vez más importante hasta el punto de ser vital para la supervivencia de los modelos de negocio más expuestos a la competencia, como la comercialización, el trading de energía o la venta de productos petrolíferos.
Así lo afirmó Leonardo Benítez, director de Energía y Utilities de Minsait, una compañía de Indra, en el marco del encuentro “El futuro de las tecnologías cognitivas para el sector energético”, organizado por la compañía en su sede de Alcobendas (Madrid), donde reunió a decenas de expertos en el sector energético, transformación digital y tecnologías de la información.
Benitez añadió que “el sector energético está expuesto hoy en día a una mayor competencia, que incluye a nuevos actores, muchos de ellos procedentes del mundo digital, así como mayores presiones medioambientales y riesgos en ámbitos como la ciberseguridad, el fraude o la seguridad física de los activos”.
Por su parte, José Luis Flórez, director de Inteligencia Artificial y Analítica Avanzada de Minsait, destacó que las tecnologías cogniitivas permiten transformar los modelos de negocio a través de la incorporación de capacidades que hasta ahora estaban limitadas a las personas, “lo que nos permite entender mejor cómo son nuestros procesos y la forma de mejorarlos, así como conocer mejor a nuestros clientes para adelantarnos a sus necesidades y aprender a ser más eficientes en el uso de nuestros recursos”, afirmó.
Durante el encuentro, los representantes de Minsait detallaron la visión de la compañía sobre los ámbitos en los que prevé mayor impacto de estas tecnologías como son la gestión de activos, la comercialización, la optimización de las operaciones y la gestión de riesgos.
Entre ellos, destacaron la capacidad para predecir fallos a futuro en los activos a partir de información de sensores (combinados con IoT), visión artificial y tecnología digital twin, o entender mejor el perfil de los clientes para mejorar los márgenes y adaptar el desarrollo de productos y servicios.
Desde el punto de vista de las operaciones, se pusieron en valor las capacidades de procesamiento y análisis de grandes cantidades de información para mejorar los procesos core de negocio a partir de una mejor previsión de la demanda, anticiparse a situaciones medioambientales que afectan a los activos o mejorar la toma de decisiones con la inteligencia artificial.
Por último, explicaron las aportaciones de la analítica avanzada para reducir los riesgos de fraude o pérdida de beneficios asociados a un deficiente análisis de la información, así como reducir posibles impactos ambientales o de seguridad en las personas.
En este sentido, Benitez indicó en el encuentro que, el futuro del sector es “inimaginable” sin una dosis importante de inteligencia que aporte la tecnología y permita anticiparse a situaciones que afectan a los activos, integrar los recursos energéticos distribuidos, entender mejor a los clientes y definir nuevos productos y servicios para dar respuesta a una demanda cada vez más activa y con mayores opciones para consumir energía.
“La misma transformación que han sufrido otros sectores como el financiero o las telecomunicaciones está llegando a la energía en un momento en el que la tecnología está evolucionado a un ritmo mayor al que existía cuando estos sectores iniciaron su transformación”, destacó Benítez.
Inversión en soluciones propias de impacto
La inversión en soluciones propias que generen impacto en el negocio de sus clientes es una de las líneas estratégicas que Minsait ha diseñado para acompañar a las compañías energéticas en este proceso de transformación y que ha materializado en su suite Onesait Utilities.
Es el caso de los proyectos desarrollados sobre Onesait Platform, la plataforma Digital de Minsait con capacidades IoT, Big Data y Analítica avanzada, que permite incorporar y analizar información de distintos sensores, servicios y sistemas con el fin de tomar decisiones y actuar en respuesta a eventos detectados en tiempo real y/o simular posibles escenarios.
Algunos ejemplos son el uso de modelos machine learning para mejorar la eficiencia en la operación de activos de plantas de generación renovable, así como la detección automática y en tiempo real de fugas y amenazas en ductos basado en la sensorización e interpretación de datos para redes de transporte de gas.
Otra referencia relevante es HEADS (Hydrocarbon Early Automatic Detection System), una tecnología única en el mundo para la detección temprana de fugas de hidrocarburos (oil spills) en el mar, que incrementa la seguridad de las instalaciones, tanto upstream (plataformas offshore) como downstream (terminales marinas). El sistema está instalado en España y Latinoamérica.
Asimismo, la compañía es socio de sus clientes en la innovación y adopción de estas tecnologías en proyectos relacionados con la vigilancia de activos en centrales de ciclo combinado mediante soluciones de Visión Artificial y Redes Neuronales Convolucioales (RNC), nuevos modelos tradicionales de predicción de producción de energía hidráulica, la gestión inteligente de reclamaciones o la anticipación de riesgos reputacionales.
