Desarrollo de un algoritmo de inteligencia artificial para optimización de calidad de aire interior y gestión de producción industrial

Abstract

La modelización de nanopartículas permite realizar simulaciones de concentración en entornos industriales para estimar el efecto de distintas estrategias de extracción forzada de aire en escenarios con procesos que emiten nanopartículas. Muchas técnicas basadas en inteligencia artificial pueden evaluar estas estrategias para encontrar la óptima. Además, pueden minimizar simultáneamente el coste energético del proceso de extracción mediante la coordinación de la actividad industrial con el coste fluctuante horario de la energía de la red. En consecuencia, se proponen dos algoritmos basados en inteligencia artificial: un algoritmo genético y uno basado en aprendizaje por refuerzo. Para el primero, un generador de individuos gestiona las limitaciones físicas del sistema en condiciones reales operativas para que, posteriormente, la población evoluciona con el tiempo imitando los procesos de selección natural, reproducción y mutación. Para el segundo, una política meta-heurística se diseña a partir de un espació de estados y acciones definidas por distintas estrategias heurísticas para explorar potenciales soluciones. Los resultados preliminares evaluando el rendimiento en la minimización del coste energético muestran que ambos algoritmos alcanzan soluciones similares, mostrando la esperada curva de población para el algoritmo genético, pero sin alcanzar una clara curva de aprendizaje en el aprendizaje por refuerzo.