Reducción de Emisiones Contaminantes por el Uso de Biocombustibles en Transporte de Cargas y Pasajeros

Nindirí Armentá

propuesta: Diego Tondo

Motivación

La Bioenergía es considerada esencial parar el ahorro de emisiones mundiales hasta 2060. Más aun, para los sectores con alternativas limitadas de descarbonización, como el transporte de cargas y pasajeros, la aviación y la marítima internacional.

Una de las alternativas más beneficiosas para mitigar la generación de dióxido y monóxido de carbono al ambiente son los biocombustibles, como el biodiesel. Corroborado por estudios internacionales y, sobre todo, por la Agencia Mundial de la Energía, que plantea que en 2050, un 27 % del combustible utilizado en el transporte en todo el mundo debería basarse biocarburantes para alcanzar los objetivos de cuidado ambiental definidos en las diferentes convenciones mundiales.

En Argentina, las Cámaras, Empresas, y Provincias, estan trabajando en un proyecto de Ley que donde se declarará de interés Nacional el uso de Biocombustibles, dentro de un mercado regulado y controlado. Uno de los objetivos del proyecto de Ley es que Argentina tenga una de las presencias de uso y producción de Biocombustibles mas fuertes de todo el parque Automotor de Transporte Latinoamericano. Se prevé declarar de interés nacional a los combustibles de orígen vegetal para diversificar la matriz energética, reducir los gases que generar efecto invernadero, y sustituir el uso e importación de combustibles fósiles.

El programa Rango Verde, se dedica a coordinar iniciativas para la sustentabilidad, el ahorro energético en empresas del sector y reducir las emisiones de Gases a Efecto de Invernadero (GEI). En este marco, Cintelink, plataforma tecnológica de Gestión y Control de Combustibles, Cámaras, la Federación Argentina de Autotransporte de Cargas y Pasajeros (FADEEAC), y cientos de Transportistas que utilizan la plataforma para sus operaciones diarias, estamos gestando una solución colaborativa para el uso de Biocombustibles controlados basados en datos de telemetría (IoT). Con la cual sin necesidad de inversiones de capital para el reemplazo del parque automotor existente, Argentina podría reducir considerablemente sus emisiones y alcanzar los objetivos planteados a escala global.

Este Proyecto es Interesante porque...

Las restricciones del uso extensivo de Biocombustibles pueden eliminarse mediante la implementación de tecnología basada en datos.

En general, es necesario que llegue antes, que se asegure su calidad, que la distribución sea eficiente, que se detecten adulteraciones intencionales, que los sistemas de despacho y de control de inventarios registren correctamente la información, y que pueda conocerse públicamente la información de la matriz energética utilizada en Transporte y sus eficiencias comparativas. Todo esto es posible con la Ciencia de Datos aplicada.

Descripción del Problema

Las fuerzas económicas relacionadas a los combustibles fósiles atentan contra el uso y la distribución de biocombustibles. Sin embargo, se dispone de información muy detallada de cientos de empresas de Transporte que actualmente consumen combustibles fósiles y que podrían comenzar a reemplazarlo. Disponemos de información de sus infraestructuras, sus transacciones de consumo por unidad, sus historiales de inventarios en los tanques de almacenamiento, presencia de agua, temperatura, geo-posición, y otra información relacionada.

Con las mismas infraestructuras y parque automotor, se puede comenzar a reemplazar gradualmente el uso de combustibles fósiles por bioenergía. Con esta información se pueden generar modelos y algoritmos que aplicados al uso de biocombustibles permitirán:

  • Reducir los costos en las entregas.

  • Detectar anomalías.

  • Controlar las transacciones de consumo.

  • Controlar las transacciones de abastecimiento.

  • Verificar la veracidad de la información recolectada y del estado de las infraestructuras.

  • Identificar adulteraciones y sabotajes.

Con esta información se pueden generar estadísticos descriptivos que podrán compararse con los que genere el uso del biocombustible. Haciendo que en el día a día, se avalen los beneficios con información pública y veraz.

Objetivos

  • Describir estadísticamente la oportunidad de reemplazo de los combustibles fósiles por biocombustibles.

  • Asegurar un consumo eficiente de Biocombustibles en cada empresa de Transporte.

  • Asegurar que la logística de distribución de Biocombustibles sea mas eficiente que la de los combustibles convencionales.

  • Detectar anomalías en transacciones de consumo en cada Empresa Transpotista.

  • Detectar anomalías y/o adulteraciones en los procesos de Distribución de Biocombustibles.

  • Acercar a las productoras (Biodisileras), Distribuidoras y Transportistas para interacturen de manera fluida y automática.

Dataset

  • Sitios: Centros Operativos de las empresas de Transporte. Mas de 300.

  • Tanques de almacenamiento: Infraestructura de almacenamiento en los Sitios de las empresas de Transporte. Mas de 1000.

  • Picos de despacho: Infraestructura de despacho en los Sitios de las empresas de Transporte. Mas de 500.

  • Productos : Productos almacenados en los Sitios de las empresas de Transporte.

  • Transacciones: Transacciones de consumo de combustibles, por unidad, por tanque, por pico. 100K-rows/mes.

  • Historiales: Historial de inventarios de los tanques de los centros operativos de las empresas de Transporte. 2M-rows/mes.

Hitos

Análisis y visualización de datos: 22/6

  • Estadistica descriptiva de consumo y administración de inventarios de combustibles fósiles.

  • Agregaciones y Graficos utiles para el transportista en cuanto al uso, eficiencia y anomalías.

Análisis exploratorio y curación de datos: 19/7

  • Análisis de las series temporales, curación y ajustes sobre los datos recolectados.

  • Matching entre historiales y transacciones.

  • Detección de anomalías y outliers por métodos tradicionales.

Introducción al aprendizaje automático: 16/8

  • Forecasting de consumos e inventarios.

  • Analisis de opciones de uso de herramientas de Machine Learning para alcanzar los objetivos mencionados.

Aprendizaje Supervisado: 13/9

  • A definir de acuerdo a la materia introductoria y a los objetivos planteados.

Aprendizaje No Supervisado: 27/9

  • A definir de acuerdo a la materia introductoria y a los objetivos planteados.

PRESENTACIÓN: 6/11/2020 – 7/11/2020