Sistemas de Cultivo

IA ayuda a la optimización económica de un sistema de recirculación para acuicultura

Foto del autor

By Milthon Lujan

Sistema de Recirculación en Acuicultura
Sistema de Recirculación en Acuicultura

El apetito mundial por los pescados y mariscos continúa creciendo y los sistemas de acuicultura de recirculación (RAS) ofrecen una solución prometedora para la piscicultura sostenible. Sin embargo, la adopción de RAS ha sido lenta debido a los altos costos y demandas de energía. Aquí es donde entra en juego la inteligencia artificial (IA) de vanguardia.

Los científicos de la University of Waterloo presentan un novedoso esquema de operación económica para sistemas de recirculación de acuicultura (RAS), que se compone de un estimador de horizonte móvil y un controlador predictivo de modelo económico (EMPC), que ayudan a tomar decisiones económicamente óptimas para el RAS.

Optimización de RAS con IA

Los investigadores están explorando cómo utilizar la IA para hacer que las operaciones RAS sean más rentables y sostenibles. En este sentido, el estudio presenta un enfoque innovador que combina la inteligencia artificial (IA) con la ingeniería RAS. El sistema utiliza dos componentes clave:

  • Estimador de horizonte móvil: Esta herramienta de IA actúa como un sensor inteligente, analiza continuamente los datos y estima cualquier incertidumbre dentro del RAS, como las fluctuaciones en los niveles de oxígeno o la temperatura del agua.
  • Controlador predictivo de modelo económico (EMPC): Este cerebro de IA del sistema toma los datos estimados y predice el curso de acción más rentable para el RAS. Considera factores como maximizar el crecimiento de los peces, minimizar el uso de energía (aireación, etc.) y garantizar una calidad óptima del agua.
READ  Postdoctorado INCAR se adjudica iniciativa FONDEF para desarrollar alimento funcional en contra la septicemia rickettsial del salmón

Los sistemas de control existentes en RAS a menudo se centran en factores individuales como los niveles de oxígeno o la temperatura. EMPC adopta un enfoque más holístico, considerando factores como:

  • Crecimiento de peces: Optimización de las condiciones para un crecimiento saludable de los peces, maximizando la producción.
  • Costos de servicios públicos: Minimizar el uso de energía y recursos para reducir los gastos operativos.

Esta investigación propone un esquema EMPC innovador que aborda estas limitaciones:

  • Optimización económica integral: Considera tanto la producción pesquera como los costos de servicios públicos, proporcionando una imagen completa del desempeño financiero.
  • Gestión de la incertidumbre del modelo: El sistema puede tener en cuenta cambios inesperados y ajustarse en consecuencia, lo que garantiza un rendimiento sólido.
  • Medidas mínimas requeridas: EMPC utiliza datos fácilmente disponibles, lo que elimina la necesidad de costosos sensores adicionales.

Resultados del mundo real

Los investigadores probaron el esquema EMPC en una granja simulada de trucha arco iris. Compararon su desempeño con los sistemas de control existentes durante dos escenarios desafiantes:

  • Falla del aireador: El EMPC ajustó con éxito las operaciones para mantener la calidad del agua y la salud de los peces incluso cuando un aireador falló.
  • Alteración de la temperatura: Cuando se produjeron fluctuaciones inesperadas de temperatura, el EMPC adaptó el sistema para minimizar el uso de energía y al mismo tiempo mantener ideal el entorno de los peces.

En comparación con los métodos de control tradicionales, el sistema EMPC produjo resultados impresionantes:

  • Hasta un 41% de mejora en la economía de procesos: EMPC tomó decisiones más inteligentes sobre la asignación de recursos, lo que generó importantes ahorros de costos.
  • Tiempos de lote más cortos hasta en un 22%: Los peces alcanzaron el tamaño óptimo más rápido, lo que generó cosechas más rápidas y una mayor productividad general.
  • Manejo excepcional de la incertidumbre: Incluso con datos incompletos, el sistema EMPC funcionó notablemente bien, con estimaciones de parámetros típicamente dentro del 5% de los valores reales.
READ  Pámpano de Florida pueden ser criados a baja salinidad

Estos hallazgos demuestran que el sistema EMPC puede mejorar significativamente la viabilidad económica y la eficiencia de RAS. Esto se traduce no sólo en peces más sano sino también en un futuro más sostenible y rentable para la industria de la acuicultura.

Impacto en la gestión de los RAS

Este innovador sistema EMPC ofrece varias ventajas para la industria de la acuicultura:

  • Mayor rentabilidad: Al optimizar el uso de recursos, EMPC puede reducir significativamente los costos operativos.
  • Mejora de la salud de los peces: El control preciso de la calidad y la temperatura del agua conduce a poblaciones de peces más saludables.
  • Impacto ambiental reducido: Un menor consumo de energía minimiza la huella ambiental de RAS.
  • Eficiencia automatizada: EMPC automatiza muchas tareas de control, liberando tiempo valioso para la gestión acuícola.

Conclusión

Con EMPC a la cabeza, la tecnología RAS tiene el potencial de convertirse en una solución más sostenible y rentable para el futuro de la producción de alimentos azules.

La investigación allana el camino para la adopción generalizada de RAS impulsado por IA. Al optimizar la utilización de recursos y reducir el desperdicio, los sistemas EMPC pueden contribuir a un enfoque más sostenible y respetuoso con el medio ambiente en la piscicultura. A medida que la tecnología madure, podemos esperar aplicaciones aún más innovadoras de IA que revolucionarán la industria de la acuicultura.

El estudio fue financiado por Natural Sciences and Engineering Research Council of Canada (NSERC).

Contacto
Luis Ricardez-Sandoval
Department of Chemical Engineering, University of Waterloo
Waterloo, ON, Canada N2L 3G1
Email: laricard@uwaterloo.ca

Referencia (acceso abierto)
Patrón, G. D., & Ricardez-Sandoval, L. (2024). Economically optimal operation of recirculating aquaculture systems under uncertainty. Computers and Electronics in Agriculture, 220, 108856. https://doi.org/10.1016/j.compag.2024.108856