El capital se destinará a un ambicioso plan de expansión: la compañía planea quintuplicar su equipo y llevar su tecnología más allá del cemento, hacia los sectores del acero, el vidrio y los productos químicos . Su CEO, Josh Vernon, declaró a Global Cement que esta financiación impulsa la misión de reducir emisiones a escala de "gigatón", con el despliegue previsto en "docenas de plantas" durante la próxima fase de crecimiento
.
A diferencia de la mayoría de herramientas de IA industrial, que se colocan como un añadido sobre el sistema de control existente, Gigaton lo reemplaza por completo. La empresa describe su enfoque como el de "arrancar" el software heredado para que su IA dirija la planta directamente . Es una arquitectura radicalmente distinta a las herramientas convencionales de Control Avanzado de Procesos (APC, por sus siglas en inglés), que se limitan a hacer sugerencias.
En la práctica, la IA ajusta de forma autónoma varios parámetros críticos en tiempo real: la mezcla de combustible que alimenta el horno, la velocidad de rotación del mismo y los niveles de oxígeno necesarios para una combustión eficiente . Son variables que cambian constantemente según la calidad de la materia prima, las condiciones ambientales y los objetivos de producción. El sistema de Gigaton aprende el comportamiento de la planta de forma continua y toma decisiones en circuito cerrado sin esperar la intervención de un operario.
El enfoque inicial de la compañía ha sido la fabricación de cemento, uno de los sectores industriales más difíciles de descarbonizar. Un caso de estudio con Heidelberg Materials, la multinacional alemana del sector, documentó mejoras operativas concretas: una reducción del 4% en el índice de coste de combustible (gracias a una bajada del 2,2% en el consumo específico de calor), junto con una disminución del 33% en la variabilidad del silicato tricálcico (C3S, componente clave del clínker) y una reducción del 2% en las emisiones de carbono derivadas del combustible . Lo más sorprendente: el sistema pasó de la fase de integración a estar operativo en solo ocho semanas
.
En su libro blanco, Gigaton afirma que su IA puede reducir las emisiones de carbono procedentes del combustible hasta en un 5% durante la etapa de piroprocesamiento, la parte más intensiva en energía de la producción de cemento . El software se integra con sistemas APC ya implantados como ABB Ability y FLSmidth ECS/ProcessExpert, pero en lugar de recomendar ajustes, asume el control dinámico de los objetivos
.
La empresa se fundó en 2020 con el nombre de Carbon Re, como una spin-off de tecnología profunda de la Universidad de Cambridge y la University College London (UCL) . El desarrollo inicial supuso más de cinco años de trabajo codo con codo con operadores de plantas industriales, lo que proporcionó al equipo un conocimiento directo de las limitaciones y los fallos típicos de los entornos de producción reales
. El reciente cambio de nombre a Gigaton responde a una ambición más amplia: el término, que equivale a mil millones de toneladas, refleja el compromiso de eliminar CO2 de múltiples sectores de la industria pesada, no solo del cemento
.
Gigaton forma parte de una nueva ola de compañías que aplican la IA al mundo físico, más allá de los flujos de trabajo de oficina o las aplicaciones de consumo. Como señalaba un análisis, esta es "una historia de IA diferente a la del chat, la búsqueda o los asistentes de oficina": se incrusta en la producción física, donde el tiempo, el uso de energía, la estabilidad del proceso y la fiabilidad de los equipos son factores en los que una alucinación del modelo sería intolerable .
La Serie A financiará dos caminos paralelos: el desarrollo continuo de la plataforma de nueva generación y un despliegue más amplio en los cuatro sectores objetivo . La expansión prevista del equipo, multiplicándose por cinco, indica que Gigaton está pasando de una fase de fuerte investigación a una de escalado comercial. Su salto a los sectores del acero, el vidrio y los productos químicos sugiere que la tecnología central es agnóstica al sector: si una IA puede aprender a controlar un tipo de proceso térmico, es probable que también pueda aprender otro.
Para la industria pesada, el momento es crítico. Los costes de la energía siguen siendo volátiles, los mecanismos de fijación de precios del carbono se extienden por cada vez más mercados y las plantas se enfrentan a una presión creciente para reducir emisiones sin sacrificar la producción. Un sistema de control con autoaprendizaje que reduce el consumo de combustible y las emisiones de forma simultánea, y que puede ponerse en marcha en menos de dos meses, ofrece un camino tangible para un sector que ha sido lento a la hora de digitalizarse.
Comments
0 comments