Con inteligencia artificial predicen la calidad del agua de descarga hasta 24 horas antes y reducen uso de químicos en un 61%

Fotografía: Base de datos de Ajou Economy
[Fotografía: Base de datos de Ajou Economy]
Los resultados de la utilización de datos del sistema remoto de monitoreo de calidad del agua (TMS) están emergiendo en el sector industrial, con aplicaciones de inteligencia artificial que predicen la calidad del agua de descarga en instalaciones de tratamiento de aguas residuales hasta 24 horas antes, reduciendo el uso de productos químicos en un 61%.

El Ministerio de Clima, Energía y Medio Ambiente y la Corporación Coreana de Medio Ambiente anunciaron el 18 de noviembre que han seleccionado 4 casos de excelencia en la utilización de datos del TMS de calidad del agua de 2026, que serán premiados el 19 de noviembre en el Hotel Westin Josun de Busan. El TMS de calidad del agua es un sistema que mide en tiempo real las 24 horas la calidad del agua de descarga en instalaciones públicas de tratamiento de aguas residuales y en empresas generadoras de aguas residuales. Gestiona más del 97% del volumen total de descarga de aguas residuales en todo el país, y desde 2024 el ministerio y la corporación han estado identificando casos de uso exitoso de los datos.

De los 4 casos seleccionados este año, 3 son ejemplos que utilizan inteligencia artificial para predecir la calidad del agua de descarga u optimizar los procesos de gestión de la calidad del agua.

El premio mayor fue otorgado a la planta de Hwaseong de Samsung Electronics. Samsung Electronics desarrolló una herramienta de gestión que analiza datos del TMS de calidad del agua mediante inteligencia artificial para proporcionar información sobre los márgenes de emisión de contaminantes y el volumen de tratamiento en relación con la capacidad de procesamiento. A través de esto, seleccionó prioridades en la gestión de la calidad del agua y redujo las concentraciones de contaminantes para garantizar que no se registrara ningún caso de excedencia de estándares de calidad del agua de descarga. También redujo en 520 horas anuales las tareas repetitivas necesarias para el análisis de datos.

La planta de tratamiento de aguas residuales de Kangbyeon de la Corporación de Medio Ambiente de Busan, que recibió el premio de excelencia, estableció un sistema para predecir la concentración de nitrógeno total (T-N) del agua de descarga hasta 24 horas antes mediante un modelo de inteligencia artificial. Con base en los valores predichos, se espera reducir los costos de electricidad en un 10% anual al optimizar el volumen de aireación.

La planta Daesan de LG Chemical, que recibió un premio de distinción, desarrolló un modelo de inteligencia artificial que predice la concentración de carbono orgánico total (TOC) 12 horas antes para prepararse ante situaciones de entrada repentina de aguas residuales de alta concentración. Se espera que al comparar la calidad del agua proyectada según diferentes condiciones de tratamiento y optimizar la inyección de productos químicos, se pueda reducir el uso de químicos en un 5% adicional.

La instalación pública de tratamiento de aguas residuales Pyeongdong 3-cha de la Corporación de Medio Ambiente de Gwangju utilizó datos del TMS de calidad del agua para identificar reactores con baja eficiencia de tratamiento y mejoró los criterios de inyección de productos químicos. Como resultado, redujo el uso de químicos en un 61% comparado con el promedio de los 3 años anteriores. También se observó una disminución del 58% en la variabilidad diaria de la concentración de nitrógeno total.

El ministerio y la corporación tienen previsto publicar estos casos de excelencia en el sitio web del sistema remoto de monitoreo de calidad del agua y difundirlos a otras operaciones.

Cho Hyun-su, director de política de medio ambiente acuático del ministerio, declaró: «El significado más importante de los casos de excelencia de este año es que en el terreno se están analizando e interpretando directamente los datos para encontrar soluciones en la gestión de la calidad del agua», y agregó: «Nos comprometeremos a compartir activamente con el sector estos casos para que puedan ser utilizados en más instalaciones».



* Este artículo ha sido traducido por IA.