REDTCUE

TCUE

Principal

Página principal TCUE

Formulario Desafío: NT02



 

 tcuenew

 

 

 

DESAFÍO UNIVERSIDAD - EMPRESA 2023

Esta necesidad tecnológica forma parte del Concurso de Proyectos de I+D+i y/o consultoría en colaboración Universidad – Empresa “Desafío Universidad Empresa” 2023 organizado por la Fundación Universidades y Enseñanzas Superiores de Castilla y León. 

  

 Referencia:    NT02  

Tipo de Entidad: Empresa

Título del proyecto
 
Inteligencia Artificial aplicada al proceso de compostaje.
 

 

 Acrónimo   IA-COMPOST 

Resumen

  Área de interés principal de la demanda

    Energía y medioambiente - N/A

Sistema de control personalizado para una planta de compostaje de residuos agroganaderos, capaz de integrar los datos obtenidos de las unidades de medición y visualización de la temperatura, pH y humedad de cada hilera de compostaje de forma individual, con el proceso de compostaje, asegurando un funcionamiento eficiente y con bajas emisiones en diferentes secciones de la planta y aplicando conceptos basados en la inteligencia artificial.

  Áreas de interés secundarias  

   Agroalimentario: agricultura, ganadería e industria alimentaria - N/A

 

DESCRIPCIÓN DE LA NECESIDAD DEMANDADA 

1.- Descripción de la demanda tecnológica.

Los residuos orgánicos en su gran mayoría se desechan o se aplican directamente a las tierras de cultivo produciendo en su mayoría digestión anaerobia. Sin embargo, el compostaje es un proceso más eficiente por sus bajos costos de inversión y operación, mayores beneficios sociales y ambientales, y generación de un producto final vendible.

El compostaje es un proceso bioquímico que convierte los residuos orgánicos en un producto estable y seguro que se puede utilizar como sustrato y fuente de nutrientes para el crecimiento de las plantas. El proceso de maduración es fundamental para producir un compost de alta calidad.

Para controlar el proceso recurrimos al índice de madurez, un procedimiento de evaluación que se utiliza para determinar el grado de descomposición de las materias primas y la completitud del proceso de compostaje.

El compost debe pasar por diferentes fases controladas para ser considerado maduro, controlando parámetros como la temperatura, el pH, la salinidad, la humedad, nivel de patógenos, relación C/N, conductividad eléctrica y la densidad. Estos parámetros nos ayudan a tomar decisiones sobre la necesidad de oxigenar la pila de compost, humedecerla o aportar nuevos desechos o productos que ayuden a conseguir un compost maduro.

El compost maduro es beneficioso para las plantas, mientras que el compost inmaduro puede inhibir la germinación de semillas y el crecimiento de las raíces y las plántulas debido a la presencia de altas concentraciones de ácidos grasos volátiles, amoníaco libre u otros compuestos tóxicos.

En este desafío pretendemos conseguir la optimización del proceso de compostaje a través de modelos matemáticos y el uso de aprendizaje automático (ML). El ML se presenta como una solución efectiva, capaz de manejar datos complejos, predecir relaciones no lineales y tratar datos faltantes, aplicándolo en la predicción de la producción de CO2, optimización de parámetros y monitoreo del compostaje para mejorar la calidad del compost, reducir la contaminación de CO2 y acelerar el proceso.

2.- Antecedentes.

Para un efectivo mantenimiento del contenido en microorganismos del suelo es necesario aplicar prácticas agrícolas adecuadas (rotación de cultivos, aprovechamiento de los residuos de cosechas y residuos orgánicos de distintos orígenes, aplicación de abonado en verde…).
La European Conservation Agriculture Federation (ECAF) sugiere que en veinte años de cultivo intensivo del suelo se puede perder hasta un 50% de su contenido en microorganismos si no se realizan aportaciones de enmiendas orgánicas de calidad. En las zonas donde exista escasez de residuos ganaderos la aplicación de compost procedente de actividades externas a la agricultura puede ser muy beneficiosa. El compostaje, que imita la transformación de la microorganismos en la naturaleza, puede proveer a los suelos de una buena fuente de microorganismos transformable en humus.

Con la intensificación de la producción agrícola y el uso de fertilizantes minerales, se inició el descenso del contenido en MO de los suelos y la aparición de problemas de contaminación que acompañan el desarrollo de las técnicas de cultivo intensivo.

Antiguamente, debido a las cantidades generadas de residuos y a la necesidad de aprovechar al máximo los nutrientes que contenían, los sistemas de recogida eran simples y cuando los residuos no eran aplicados directamente al suelo se conservaban en montones que acostumbraban a responder al nombre de “estercoleros”. Se conocía bien cómo almacenarlos, tratarlos y aplicarlos para conservar los nutrientes, lo que unido a las escasas cantidades generadas, evitaba la aparición de problemas de contaminación. El compostaje puede considerarse una de las técnicas más antiguas relacionadas con la agricultura; ha sido un tratamiento de residuos orgánicos con una trayectoria pendular a lo largo de las distintas épocas, pasando repetidamente de ser una tecnología muy apreciada a un sistema denostado y olvidado.

A finales del siglo XIX se utilizó, principalmente en Estados Unidos, como una manera de tratar los residuos humanos en aquellas poblaciones que no disponían de sistema de alcantarillado, y fue en la primera mitad del siglo XX que Albert Howard sistematizó el compostaje (sistema Indore) y lo valoró como una técnica higiénica de tratar residuos sin olvidar la producción de compost.

En los últimos tiempos ha vuelto a ser una opción con interés debido a: incremento de la generación y problemática de distintos tipos de residuos orgánicos, así como a legislaciones que demandan la reducción de microorganismos que llega a los vertederos, la protección del suelo y el control de las emisiones relacionadas con el cambio climático. Si hubo épocas en que el interés por el compostaje era debido a la necesidad de disponer de materia orgánica estabilizada y de los nutrientes que podía aportar , en la actualidad la obtención de compost de calidad con la finalidad de mantener la fertilidad de los suelos y evitar los problemas de erosión y desertización ha quedado relegada a un segundo plano.

En nuestro país se han construido en los últimos años muchas plantas de tratamiento biológico cuya finalidad real, mayoritariamente, no es la obtención de compost, sino el negocio ligado a su construcción y a la entrada de residuos. Por esta razón, el compost que se obtiene en la mayoría de los casos no cumple unos baremos de calidad y/o su fabricación comporta, en algunas ocasiones, unos gastos ambientales y económicos tan elevados que cuestionan los beneficios ambientales de este sistema de tratamiento. Además, el proceso de producción de compost, en la mayoría de las plantas, se basa en la toma de datos y toma de decisiones basada en la experiencia, sin contar con un tratamiento y análisis eficaz de estos datos para conseguir que el proceso y el producto final sean lo más eficientes, rentables y con la mayor calidad posible.

3.- Posibles enfoques del proyecto de investigación.

La optimización del proceso se realiza mediante modelos matemáticos para obtener el mejor compost de calidad agregada y para gestionar el proceso de manera más económica. El modelado se aplica para predecir la variable dependiente con la mayor precisión posible, especialmente cuando los valores de las variables independientes no están disponibles. Los modelos matemáticos tienen algunas limitaciones, como la asunción de linealidad y distribución, lo que dificulta la modelización de las relaciones no lineales entre las variables.

En cambio, el aprendizaje automático o ML (machine learnig) ha surgido como una forma efectiva de abordar los desafíos metodológicos clave en el modelado. El ML puede manejar datos multivariables complejos, predecir conexiones no lineales y procesar datos faltantes. El uso de enfoques de ML se clasifica en aprendizaje supervisado (regresión y clasificación), aprendizaje no supervisado (agrupamiento) y enfoques de aprendizaje por refuerzo. El aprendizaje supervisado es el enfoque más utilizado. El ML adquiere experiencia utilizando datos, aprende patrones, realiza inferencias informadas a partir de los datos para crear un modelo matemático y proporciona predicciones para el futuro. En los procesos de compostaje, se utilizan enfoques de ML para predecir con precisión la producción de CO2, optimizar los parámetros de procesamiento para mejorar la calidad del compost, predecir la madurez del compost, monitorear el contenido de humedad en sistemas de compostaje a escala industrial, estimar la actividad enzimática del compost y clasificar la madurez del compost. El modelado de los parámetros del proceso de compostaje es muy importante para generar soluciones y procesos de toma de decisiones. En los últimos años, se han utilizado diferentes algoritmos de ML en el modelado y la predicción de los parámetros del proceso de compostaje.

En este desafío se busca integrar los datos existentes sobre el modelado y la predicción del proceso de compostaje con los datos obtenidos mediante los sensores disponibles para ayudar a tomar decisiones que mejoren el compost final, minimicen la contaminación de CO2 y acorten el tiempo del proceso.

4.- Enfoques sin interés

        El proceso de compostaje es un proceso conocido desde la antigüedad, sin embargo, hoy en día se ha avanzado mucho en su optimización. Se conocen los factores que intervienen para que el proceso sea eficiente, los límites óptimos e incluso como controlarlos. Monitorizar dichos parámetros ha dejado de ser un problema ya que existen sensores capaces de darnos esa información.

En este desafío lo que se pretende es conseguir el control y la mejora constate del proceso a partir de los datos registrados y las decisiones tomadas para obtener la máxima eficiencia posible del proceso con residuos agroganaderos en una planta concreta.

 

PALABRAS CLAVE: IA; Compostaje; residuos; agroganaderos; Abono orgánico

-- 

Si desea remitir una propuesta de solución tecnológica (proyecto de investigación y/o consultoría) deberá remitirla en los terminos establecidos en la convocatoria  hasta el 29 de enero de 2024 incluido (plazo ampliado).

Demanda Tecnológica en formato pdf: www.redtcue.es/desafio/demandas/nt02   pdf

Formulario de participación investigadores 

Más información, Bases y Anexos.

 t cue LOGO  Selección 229 desafioempresa 

Top