A través de la iniciativa REVaMP, financiada por el programa Horizon 2020, se conseguirá una mayor eficiencia y sostenibilidad en la producción de acero y en la recuperación de aluminio y plomo.
El sector de la siderurgia está en el camino de encontrar una solución para mejorar su sostenibilidad y un ahorro en materias primas. El centro tecnológico Azterlan, que es miembro de Basque Research & Technology Alliance (BRTA), forma parte del proyecto europeo REVaMP junto con otros 15 socios, entre ellos empresas vascas como Sidenor Aceros Especiales, GHI Hornos Industriales y Refinería de Aluminio (Refial, del Grupo Otua). Su objetivo principal es mejorar la eficiencia de la producción de acero y también en la recuperación de aluminio y de plomo.
Los metales se pueden reciclar una y otra vez sin perder sus propiedades. Así, se evita la extracción de nuevas materias primas, con todos los beneficios ambientales y económicos que conlleva.
En estos momentos, el sector siderúrgico de recuperación de metales necesita actualizarse con nuevas tecnologías, y utilizar modelos predictivos y de sensorización para analizar la composición de las chatarras metálicas y mejorar el funcionamiento de los hornos.
La producción de metales por parte del sector siderúrgico requiere un gran consumo de energía y recursos. Y no solo eso, su reciclado es especialmente complejo por la creciente variabilidad de las chatarras y aleaciones que se necesitan reciclar, además de los posibles combustibles alternativos en sustitución del gas natural. Las instalaciones industriales emplean hornos, reactores y sistemas de almacenamiento y manipulación de materias primas que pueden tener vidas útiles de más de 30 años. Por eso, supone todo un reto actualizar esos equipos desde el punto de vista tecnológico y regulatorio, así como mejorar su eficiencia energética.
Este proyecto financiado por el programa europeo Horizon 2020 comenzó su recorrido en enero, y culminará a mediados de 2023. Del presupuesto total de 9,9 millones de euros con que cuenta REVaMP, el 80% lo aporta la Unión Europea. Con él, se busca garantizar un uso eficiente de la materia prima y se demostrará en tres casos de materiales distintos: en la producción de acero en horno eléctrico de arco (esta parte se realizará en las instalaciones de de Sidenor), en el refinado de aluminio y en el reciclado de plomo.
Las empresas y centros tecnológicos vascos tienen una participación fundamental en el proyecto. Azterlan tiene un doble papel. Por un lado, se encarga de un desarrollo piloto de aluminio junto con GHI Hornos Industriales y Refial. Se trata de buscar la mejor eficiencia energética en refino de aluminio mediante la inclusión de una etapa de precalentamiento de chatarra, en la que se utilizará combustible derivado de residuos como alternativa al gas natural.
¿Y qué porcentaje de ahorro de gas natural puede conseguirse? Erika Garitaonandia, investigadora de Azterlan que participa en el proyecto, precisa que “el precalentamiento de los metales a fundir tiene varios beneficios económicos y medioambientales. El primero es la disminución de la cantidad de energía aportada al horno de fundido. Los ahorros energéticos específicos ascienden a 0,296 kWh/t por cada grado de temperatura a la que se eleva la chatarra. Considerando que la chatarra es precalentada hasta 350ºC por la combustión de combustibles derivados de residuos, puede obtenerse una reducción de consumo energético de 25% en el quemador de oxicombustión en el horno rotatorio. Ello supondría”, según Garitaonandia, “un ahorro de 6GWh de gas natural al año. Del mismo modo, podría conseguirse una reducción de deposición de residuos RTA en vertederos de 3,4 kt anuales”.
Avances en inteligencia artificial
Por otro lado, el centro tecnológico con sede en Durango desarrollará un software que integre modelos predictivos de control y herramientas de decisión para monitorizar, controlar y gestionar los procesos productivos del acero, aluminio y plomo en las plantas de las empresas vascas Sidenor y Refial, así como la multinacional americana Exide Technologies y la catalana Grupal Art.
El objetivo final es la optimización del proceso desde cuatro puntos de vista: el consumo energético, el tiempo de refinamiento, el comportamiento metalúrgico y el impacto medioambiental. Javier Nieves, investigador de Azterlan centrado en inteligencia artificial, explica cómo funciona el proceso: “El proyecto se centra en utilizar desperdicios que serán reciclados como carburante para precalentar los materiales que, posteriormente, tienen que ser fundidos. Así, al ya encontrarse más calientes necesitarán menos cantidad de gas. Lógicamente, se requiere que el resultado final del proceso sea el mismo o mejor en lo que respecta al comportamiento metalúrgico del aluminio obtenido y que el impacto medioambiental sea el inferior”.
Para eso primero se necesita preparar un sistema de precalentamiento previo al horno de fusión (lo hace GHI) y toda la sensorización asociada tanto al precalentador como al horno y que permita saber en todo momento el estado actual de ambos procesos. En segundo lugar, continúa Javier Nieves, “se sensorizará y se obtendrán valores asociados al metal, gases, desperdicios y otros valores de monitorización asociados a la optimización comentada. Posteriormente, se desarrollarán modelos de predicción basados en Inteligencia Artificial que permitan adelantarse al resultado esperado y que indicarán, por adelantado, las posibles situaciones en las que se podría encontrar el proceso”.
El proceso termina preparando un software “optimizador o resolucionador que se encargará de buscar la mejor combinación de parámetros que haga que la evaluación resultante sea la mejor”. Para ello “hará uso de los modelos de predicción y medirá cómo de buenos son los estados predichos a los que se llega”, y concluye Nieves: “Utilizando sistemas ya desarrollados y modelos que llevarán a cabo otros partners, se utilizará el mismo sistema para todos los casos de uso”.
El proyecto está liderado por el Centro Alemán de Tecnología BFI y en él participan 16 entidades de tres países europeos diferentes.
Fuente: SPRI