Dado que la demanda de gas natural no muestra signos de desaceleración, los productores se afanan por aumentar la producción y ofrecerlo en su forma más flexible, el gas natural licuado (GNL), que permite transportarlo por barco en lugar de por gasoducto.

Pero aumentar la producción no es tan sencillo como incrementar las operaciones: los proveedores no satisfarán esta demanda sin precedentes a menos que piensen de forma diferente y produzcan con mayor eficiencia.

"El sector está sometido a una enorme presión para maximizar la producción y la eficiencia energética en las instalaciones de licuefacción existentes, y también se enfrenta a crecientes llamamientos para invertir en nuevos suministros de GNL", afirma Nikhil Gulati, responsable de aprendizaje automático aplicado de BakerHughesC3.ai (BHC3), una empresa que aúna la experiencia en petróleo y gas de Baker Hughes y el software de inteligencia artificial (IA) de C3 AI.

"Las ganancias de eficiencia tradicionales no van a ser suficientes para suministrar los volúmenes de gas que el mundo necesita ahora y en el futuro para la generación de energía y para calentar hogares, edificios e industrias. Necesitamos una solución mejor", agregó Gulati.

ENTRA EN JUEGO LA INTELIGENCIA ARTIFICIAL
Las plantas de GNL son complejas y se enfrentan a retos operativos que limitan la capacidad de producción y reducen la eficiencia energética. Por ejemplo, la calidad de la alimentación y las condiciones ambientales cambian estacionalmente. Sólo se utiliza una fracción de los datos generados.

Los sistemas tradicionales de control de procesos no suelen optimizar la compleja relación no lineal entre los insumos y la producción. Por último, las soluciones de optimización de procesos existentes requieren demasiada mano de obra para responder a condiciones dinámicas en tiempo real.

La inteligencia artificial, combinada con el conocimiento del sector, puede ofrecer importantes oportunidades en todo el proceso de licuefacción, aumentando la producción, reduciendo la variabilidad de los índices de producción y disminuyendo la intensidad de las emisiones.

Para cerrar esa brecha de producción, la colaboración es clave. Los ingenieros de procesos y control, los científicos de datos y los expertos en optimización aportan el conocimiento del sector, que se fusiona con enfoques de aprendizaje automático y un profundo conocimiento de las máquinas y el entorno en el que operan.

Sobre la base de esta combinación de dominio del conocimiento y datos, se puede crear un software de IA empresarial que ofrezca estos conocimientos y forme parte de la rutina de optimización del proceso de GNL.

Aquí, surge una importante alianza entre BHC3 de Baker Hughes, que cuenta con más de 30 años de experiencia en GNL, con tecnología en más de 50 plantas de GNL en todo el mundo y un equipo de expertos en diseño, fabricación y mantenimiento de equipos de GNL; y combinado con el poder de C3 AI, el proveedor líder de software de IA empresarial con más de 5 millones de modelos de IA en uso y 1,9 mil millones de predicciones realizadas por día.

Este conocimiento aunado al mundo de la física y el aprendizaje automático presentar una nueva alternativa de utilizar la IA para gestionar la complejidad del GNL.

"En última instancia, queremos crear un bucle de mejora continua en el que el proceso de GNL esté alimentando datos a las recomendaciones de IA y un operador esté tomando medidas sobre esas recomendaciones, mejorando aún más el ciclo", dice Gulati. 

"Paso a paso, a través de la colaboración, impulsaremos la optimización de la producción de GNL utilizando un enfoque de aprendizaje automático. Ese es el objetivo", agregó.

OPTIMIZACIÓN DEL GNL A TRAVÉS DE LA INICIATIVA OPEN AI ENERGY
Los retos a los que se enfrentan la mayoría de las empresas de GNL es que tienen grandes cantidades de datos que nunca se analizan y carecen de la experiencia necesaria para averiguar los movimientos correctos a realizar en el momento oportuno. Poder agregar datos de múltiples fuentes y visualizarlos todos en un área supone un cambio radical.

Un ejemplo de cómo esto puede funcionar en la práctica es el Shell Process Optimiser for LNG, que es un módulo de GNL construido sobre el software BHC3 AI.

Shell Process Optimiser for LNG combina el aprendizaje automático con los conocimientos del proceso y la experiencia en el sector para mejorar la producción de los activos, ayudando a los ingenieros a cerrar la brecha entre la producción actual y la óptima cambiando las condiciones operativas. El resultado ha sido un aumento de la producción de GNL de entre el 1% y el 2%.

El módulo se ha puesto a disposición de otros operadores como parte de la Open AI Energy Initiative (OAI), un ecosistema abierto de soluciones basadas en IA para la industria energética y de procesos fundado junto con C3 AI, Baker Hughes y Microsoft.

La transformación digital puede ayudar a abordar la brecha de suministro de GNL. El gas y el GNL desempeñan un papel importante en la transición de la industria energética y en la persecución de las aspiraciones de cero emisiones netas de los países.

Tanto como socio de las energías renovables en el sector energético como una opción de emisiones más bajas en sectores donde las soluciones de emisiones cero aún no se han desarrollado a escala.

Se prevé que la demanda mundial de GNL casi se duplique hasta alcanzar los 700 millones de toneladas anuales en 2040, frente a los 380 millones del año pasado, según las perspectivas anuales del mercado de GNL de Shell publicadas en febrero de 2022.

El déficit de suministro de GNL surgirá a mediados de la década de 2020 debido a la falta de inversión en el sector, unida a la creciente demanda. Esto constituye un toque de clarín para que la industria del GNL acelere su transformación digital.

La forma en que opera actualmente toda la cadena de valor del petróleo y el gas limita la capacidad de predicción, la escalabilidad de las soluciones e incluso las mejores soluciones existentes no son interoperables. A medida que las empresas buscan modelos operativos más ágiles, la IA puede mejorar la eficiencia operativa en toda la cadena de valor de la energía.