Machine Learning, el futuro de los sistemas de A/C

Inteligencia Artificial o “Machine Learning” en Aire Acondicionado.

El término Machine Learning o Inteligencia Artificial apareció aproximadamente en 1959, pero su acelerado desarrollo e implementación ha ocurrido en los últimos años.

Machine Learning o Aprendizaje Automático ( Inteligencia Artificial) es una rama de las ciencias de la computación que se refiere a la habilidad de los sistemas de computación para aprender sin necesidad de ingresar datos pre programados y que se adapta a través de la experiencia. Este proceso se hace a través de algoritmos y redes neuronales artificiales que a partir de los registros de entrada que reciben, son capaces de mejorar su desempeño e incrementar su “inteligencia y conocimiento” con el paso del tiempo. Estos procesos brindan la ventaja de afrontar los retos de manera predictiva y no reactiva.

En los sistemas de refrigeración y Aire Acondicionado existen diferentes áreas de oportunidad en las que el machine learning podría ayudar a mejorar su eficiencia, desempeño y resultados.

Un ejemplo es el modelo desarrollado por Emerson, que permite informar de manera predictiva la presencia de fugas de refrigerante en un sistema, para obtener ahorros en consumo de energía y en carga del gas, así como un apoyo para la disminución en el impacto al medio ambiente debido a las fugas de gases que pueden contaminarlo.

Proceso de Aprendizaje Automático
Figura 1 – Proceso de aprendizaje automático

Se puede generar información en tiempo real a través de los registros generados por los sensores de temperatura, transductores de presión y sensores de nivel de líquido y otros, conectados al controlador de refrigeración. Esta información alimentaría un algoritmo avanzado para identificar las fugas de refrigerante de manera predictiva y enviaría las alertas correspondientes para que la falla pueda ser atendida.

Para la implementación de algoritmos de machine learning es necesario llevar a cabo 6 pasos fundamentales:

  1. Tener una idea clara del problema que se intenta predecir o resolver.
  2. Desarrollar una estrategia para la recolección de datos.
  3. Generación de un algoritmo de aprendizaje automático.
  4. Evaluación de los resultados del sistema para poder definir el desempeño del modelo matemático.
  5. Prueba del algoritmo con los datos del grupo de validación para ver qué tan bien funciona el modelo.
  6. Inicia el aprendizaje automático a partir del modelo matemático validado para predecir una acción o resultado en función de los datos de entrada.
Creación de un modelo de aprendizaje automático
Figura 2 – Creación de un modelo de aprendizaje automático

High Prestige ya se encuentra involucrado en el desarrollo de algoritmos de inteligencia artificial o machine learning para ser aplicados en la nueva generación de equipos que estamos desarrollando.

High Prestige siempre al tanto del desarrollo tecnológico, aplicando lo más positivo y poniéndolo al servicio de sus clientes.