Optimización con IA del biocultivo de Microalga utilizando agua depurada de la EDAR

Hipótesis de partida en el uso de la IA:

• Para el cultivo de Microalga, podemos ajustar de manera óptima una serie de parámetros físico-químicos del agua de tratamiento terciario en emisario de la EDAR (como temperatura, aireación, nutrientes, microplásticos) y biológicos (biomasa viva/muerta) que maximicen la productividad.

• La IA permitirá identificar correlaciones entre los 16 parámetros fisicoquímicos que influyen en el crecimiento de la microalga, optimizando el proceso y prediciendo las mejores condiciones de cultivo (Sistema experto de toma de decisiones)- Al identificar correlaciones entre estos parámetros, la IA nos permitirá predecir las condiciones ideales de cultivo y tomar decisiones más precisas y oportunas."

• La IA podría generar alertas para ajustar la configuración de los tanques de biocultivo antes de que los parámetros se desvíen de los rangos óptimos, permitiendo que se reajusten para mejorar la biomasa viva.

Modelo de predicción del agua de la EDAR y control de parámetros fisicoquímicos. 

Problema a resolver 1: Se trata de predecir y controlar los parámetros fisicoquímicos del agua tratada en la EDAR, necesaria para el uso en biocultivos de microalgas. Los parámetros incluyen DQO, DBO5, sólidos en suspensión, pH, conductividad, amonio, fósforo, nitratos, nitritos, cloruros, sulfatos, potasio, E. Coli, turbidez y otros compuestos (metales, orgánicos, etc.). Estos datos se recopilan con diferentes frecuencias (diarias, mensuales, anuales), y se deben ajustar en función de las necesidades del cultivo de microalgas. Los parámetros se deben correlacionar con el histórico de población, y a su vez con factores meteorológicos estacionales como temperaturas y pluviometría.

La IA permitirá correlacionar estos parámetros, identificar las condiciones óptimas de calidad del agua, y prever desviaciones. Esto permitirá a los analistas de laboratorio ajustar las condiciones del agua para garantizar que siempre esté dentro de los parámetros óptimos para su posterior uso en biocultivos.

NOVIEMBRE DE 2024 ESTAMOS TRABAJANDO EN LA IA A PARTIR DE DATOS METEREOLÓGICOS Y DATOS FÍSICOQUÍMICOS.

Optimización del biocultivo de Microalga con IA. 

Problema a resolver 2: Este segundo proyecto se centra en la optimización del cultivo de microalgas utilizando agua depurada de la EDAR. Se busca ajustar automáticamente parámetros clave del biocultivo como biomasa viva/muerta, pH, turbidez, temperatura y color del cultivo, con el objetivo de maximizar la productividad y minimizar los efectos negativos, como la presencia de microplásticos. No se dispone de datos históricos de microplasticos no caracterización, con lo que las y los analistas deberán generarlos. El modelo será entrenado con datos que el alumnado obtendrá de su proyecto. Será un modelo con menos fortaleza, pero generado desde zero con datos y metodología propia.

El sistema basado en IA podrá analizar en tiempo real los datos del biocultivo, generar alertas y recomendaciones para ajustar parámetros automáticamente, optimizando así el rendimiento del biocultivo de microalgas. Además, se realizarán análisis del agua tanto antes como después del cultivo para asegurar su calidad y determinar el impacto del proceso en el medio.

1. Modelo de predicción del agua de la EDAR y control de parámetros fisicoquímicos

Personas clave:

• Equipo de Proceso: Ingenieros de EDAR, expertos en tratamiento de aguas y jefes de laboratorio encargados del monitoreo y control de los parámetros fisicoquímicos del agua. (Hay alumnado en prácticas duales implicado en el proyecto)

• Equipo de TI/IA: Ingenieros de IA para desarrollar modelos predictivos que analicen la calidad del agua en base a los datos históricos y actuales (soporte del equipo docente incluido).

• Equipo de Ciencias de Datos: Alumnado y analistas trabajando con diversas IAs para correlacionar los datos físicos y químicos del agua con los resultados esperados para su uso en biocultivos.

• Técnicos de planta y Alumnado Operador/a: Responsables de ejecutar los ajustes necesarios en el tratamiento del agua basándose en los datos obtenidos y las predicciones de la IA.

Problema a resolver (descrito extensamente en la introducción):

• Predecir y controlar los parámetros fisicoquímicos del agua tratada en la EDAR para garantizar que cumple con las condiciones óptimas necesarias, para su posterior uso en el cultivo de microalgas, ajustando dichos parámetros en función de la calidad del agua, minimizando cualquier desviación y maximizando la sostenibilidad del proceso.

Datos necesarios

·         Datos de Nivel 1: Parámetros fisicoquímicos del agua tratada (pH, DQO, DBO5, sólidos en suspensión, nitratos, nitritos, sulfatos, E. Coli, microplásticos) comparados con el medio de cultivo óptimo.

·         Datos de Nivel 2: Evaluación de la calidad del agua en diferentes etapas de tratamiento (primaria, secundaria y terciaria).

·         Reportes manuales: Cambios estacionales en la calidad del agua, análisis de microplásticos y condiciones de la EDAR.

Integración en la operación diaria:

• La IA analizará en tiempo real los parámetros clave del agua (pH, turbidez, conductividad, etc.) y emitirá alertas para que los operarios ajusten de inmediato las condiciones necesarias.

• Informes diarios mostrarán la calidad del agua tratada y cualquier desviación que deba corregirse.

• Las estadísticas históricas permitirán verificar la evolución de los parámetros y ajustar las condiciones en función de los cambios estacionales y eventos externos (como clima y población).

Usuarios finales:

• Alumnado Operador/a: Para monitorizar los parámetros del agua y realizar los ajustes necesarios en tiempo real.

• Alumnado Operador/a de Análisis: Para interpretar los resultados de las predicciones, tomar decisiones sobre ajustes y asegurar que el agua tratada cumple con las condiciones óptimas para el biocultivo.

• Líderes del proyecto: Para evaluar las métricas de éxito del proceso de tratamiento de aguas y garantizar la viabilidad a largo plazo.

Insights o Funcionalidades:

• Visualización del comportamiento de los parámetros fisicoquímicos del agua tratada y su evolución en tiempo real.

• Identificación automática de desviaciones que puedan comprometer la calidad del agua y afectar negativamente al biocultivo.

• Informes comparativos de las diferentes etapas de tratamiento del agua (primaria, secundaria, terciaria) y su eficàcia en el vertido final a barranco.

• Contribución a la reducción de la huella de carbono e hídrica, mejorando la calidad del agua.

Métricas de éxito/Beneficios esperados:

• Mejora en la calidad del agua tratada en función de los parámetros fisicoquímicos ajustados.

• Reducción de los efectos negativos derivados de fluctuaciones en la calidad del agua, como la presencia de contaminantes.

• Optimización del uso de aguas depuradas como recurso clave para biocultivos agrícolas sostenibles.

• Reducción de los costos relacionados con el tratamiento y gestión de agua, además de mejorar la sostenibilidad ambiental de la EDAR.

Dificultades/Costes de implementación:

• Disponibilidad de datos: Acceso constante y preciso a los datos fisicoquímicos del agua tratada, además de sensores conectados por wifi y análisis en laboratorio.

• Complejidad operativa: La variabilidad de las condiciones del agua (población, clima) puede requerir ajustes frecuentes, aumentando la carga operativa.

• Costes de personal: Formación del personal en el uso de la IA y el monitoreo automatizado de parámetros.

• Mantenimiento del sistema: Necesidades técnicas para asegurar el correcto funcionamiento de los sensores, la IA y los equipos a largo plazo.

2.   Optimización del biocultivo de Microalga con IA

 Para la presentación nos vamos a centrar en el segundo proyecto.

Hipotesis de partida:

·         Para el cultivo de microalgas, podemos ajustar de manera óptima una serie de parámetros físico-químicos del agua de tratamiento terciario en emisario de la EDAR (como temperatura, aireación, nutrientes, microplásticos) y biológicos (biomasa viva/muerta) que maximicen la productividad.

·         La IA permitirá identificar correlaciones entre los 16 parámetros fisicoquímicos que influyen en el crecimiento de la microalga, optimizando el proceso y prediciendo las mejores condiciones de cultivo. Al identificar estas correlaciones, se podrán tomar decisiones más precisas y oportunas.

·         La IA también podrá generar alertas para ajustar la configuración de los tanques de biocultivo antes de que los parámetros se desvíen de los rangos óptimos, mejorando así la biomasa viva.

Personas clave:

• Equipo de Proceso: Ingenieros de EDAR y expertos en biotecnología agrícola, encargados de supervisar los tanques de biocultivo y garantizar que los parámetros se ajusten a las necesidades del cultivo.

• Equipo de TI/IA: Ingenieros de IA para desarrollar modelos predictivos que optimicen los parámetros clave del biocultivo (como temperatura, pH, biomasa viva/muerta) y docentes que asisten en la supervisión del proceso.

• Equipo de Ciencias de Datos: Alumnado y analistas que correlacionan los datos del biocultivo con la productividad de las microalgas, utilizando IA y ciencia de datos.

• Alumnado Operador/a: Encargados de gestionar los tanques de biocultivo, ajustando los parámetros en tiempo real para maximizar la biomasa y productividad.

Problema a resolver:

• Optimizar el cultivo de Microalga utilizando aguas depurades, y ajustando los parámetros del biocultivo de manera automática, asegurando una alta productividad, minimizando los impactos negativos de los microplásticos, y contribuyendo a la sostenibilidad y circularidad.

Información necesaria

·         Datos de Nivel 1: Parámetros del biocultivo (pH, temperatura, turbidez, color, biomasa viva/muerta) monitoreados en tiempo real.

·         Datos de Nivel 2: Resultados del crecimiento de microalgas en distintos medios (agua depurada, terciaria, de riego).

·         Reportes manuales: Productividad del biocultivo, medición de biomasa viva/muerta y análisis de la calidad del agua post-cultivo.

Integración en la operación diaria:

• La IA proporcionará análisis en tiempo real de los parámetros clave de los tanques de biocultivo, permitiendo que los operarios ajusten inmediatamente las condiciones.

• Informes diarios reflejarán el rendimiento del biocultivo y cualquier desviación que necesite corrección.

• Las estadísticas históricas permitirán analizar el progreso y ajustar los parámetros de cultivo a largo plazo, considerando los cambios estacionales y fluctuaciones en la calidad del agua.

Usuarios finales:

• Alumnado Operador/a de Biocultivo: Para supervisar los parámetros del biocultivo en tiempo real y realizar ajustes inmediatos según sea necesario.

• Alumnado Operador/a de Biocultivo y Análisis: Para evaluar los resultados del cultivo, decidir sobre ajustes y garantizar el éxito del biocultivo.

• Líderes del proyecto: Para evaluar las métricas de éxito, garantizar la viabilidad a largo plazo y optimizar los recursos disponibles.

Insights o Funcionalidades:

• Visualización en tiempo real del rendimiento del biocultivo basado en los parámetros ajustados.

• Identificación automática de desviaciones que puedan afectar negativamente el crecimiento de las microalgas.

• Informes comparativos que muestren el impacto del uso de diferentes tipos de aguas depuradas y medios de cultivo.

• Reducción de la huella de carbono e hídrica, mejorando la calidad del agua en el proceso de biocultivo.

Métricas de éxito/Beneficios esperados:

• Aumento de la biomasa de Microalga gracias al ajuste continuo de los parámetros del biocultivo.

• Reducción de los efectos negativos de los microplásticos en el rendimiento del cultivo.

• Optimización del uso de aguas depuradas como recurso clave para biocultivos sostenibles.

• Reducción de los costos asociados con la gestión de cultivos futuros y mejora en la sostenibilidad ambiental del proyecto con las aguas de la EDAR.

Dificultades/Costes de implementación:

• Disponibilidad de datos: Monitoreo constante de los parámetros del biocultivo mediante sensores IoT conectados por wifi.

• Complejidad operativa: La variabilidad en la calidad del agua y las condiciones ambientales puede requerir ajustes operativos frecuentes, de aquí el resolver el problema 1.

• Costes de personal: Formación del personal y alumnado en el uso de IA para gestionar el biocultivo.

• Mantenimiento del sistema: Requerimientos técnicos para mantener el correcto funcionamiento de los sensores, sistemas IoT, IA y equipos de biocultivo a largo plazo.